From Feasible to Practical: Pareto-Optimal Synthesis Planning¶

会议: ICML 2026
arXiv: 2605.29113
代码: 待确认
领域: 优化 / 化学合成规划 / 多目标搜索
关键词: 多目标搜索, 帕累托优化, 合成规划, MCTS

一句话总结¶

PareSP 用多目标 MCTS 搜索联合优化合成路径的成本 / 时间 / 可行性 / 环境影响——找到完整帕累托前沿而非单一"最佳"路径，在 USPTO 和 ASKCOS 基准上较单目标方法节省 23% 成本、35% 时间，同时保持 ≥ 95% 化学可行性。

研究背景与动机¶

领域现状：化学合成规划（CASP）旨在为目标分子寻找经济可行的多步反应路径。传统方法（如 EFMC、Retro*）以单一目标（化学可行性或最短路径）优化，但实际合成场景需要权衡成本、时间、环境影响等多个相互冲突的目标。

现有痛点：（1）单目标 MCTS 倾向"最优"路径，忽略平衡解；（2）后处理重新排序无法保证帕累托优化；（3）多目标方法（如 NSGA-II）需要全空间评估，对组合爆炸式搜索空间不可行。

核心矛盾：合成规划本质是组合搜索 + 多目标权衡，但现有方法或牺牲多样性（单目标），或牺牲可扩展性（暴力多目标）。

本文目标：在合成路径搜索中找到帕累托前沿——所有"非劣"权衡解。

切入角度：MCTS 的鼓励探索与利用平衡的能力 + 多目标优化的支配关系定义 = 多目标 MCTS（MO-MCTS）。

核心 idea：将 MCTS UCT 公式扩展到多目标设置——每个节点维护帕累托前沿而非单一价值；通过支配关系（dominance）和超体积（hypervolume）指引搜索。

方法详解¶

整体框架¶

（1）目标定义：4 个目标 $(c, t, f, e)$ = (成本, 时间, 可行性, 环境影响)；（2）MO-MCTS 搜索树：每个节点存帕累托前沿 $\mathcal{P}_n$；（3）多目标 UCT 选择：基于支配关系优先扩展非支配候选；（4）后向更新：扩展节点后用新解更新所有祖先帕累托前沿；（5）输出：搜索结束时返回根节点帕累托前沿作为所有"最优"权衡路径。

关键设计¶

多目标价值表示 + 帕累托前沿维护:
- 功能：在搜索树中每个节点维护完整帕累托前沿。
- 核心思路：节点 $n$ 价值不是标量而是 $\mathcal{P}_n = \{(c_i, t_i, f_i, e_i)\}_i$（非劣解集）；新解 $\mathbf{v}^*$ 通过支配关系判定是否加入：若 $\exists \mathbf{v} \in \mathcal{P}_n: \mathbf{v} \succeq \mathbf{v}^*$ 则丢弃；否则移除被 $\mathbf{v}^*$ 支配的解再加入。
- 设计动机：传统标量价值压缩多目标信息；维护帕累托前沿保留完整权衡空间，使最终输出多样化。
支配感知 UCT 选择策略:
- 功能：在 MCTS 选择阶段平衡探索与多目标利用。
- 核心思路：扩展 UCT 公式 $\text{UCT}(n) = HV(\mathcal{P}_n, \mathbf{r}_{\text{ref}}) + c \sqrt{\ln N(p) / N(n)}$，其中 $HV(\cdot, \mathbf{r}_{\text{ref}})$ 为基于参考点 $\mathbf{r}_{\text{ref}}$ 的超体积；$c = \sqrt{2}$ 与单目标 MCTS 同步。优先选择子节点中超体积高且未充分访问的节点。
- 设计动机：超体积同时衡量帕累托前沿质量和多样性；UCT 的探索奖励保证整体搜索覆盖。
化学先验融合 + 强化局部搜索:
- 功能：将化学知识（反应模板可行性、原料价格库等）作为先验融入价值估计。
- 核心思路：可行性目标 $f$ 由神经反应预测模型给出概率；成本 $c$ 从原料数据库查询；时间 $t$ 基于反应步数 + 反应温度估算；环境影响 $e$ 基于绿色化学指标（PMI, E-factor）。叶节点的搜索辅以本地化反应建议网络（LRSN）。
- 设计动机：纯 MCTS 在化学空间随机扩展低效；化学先验大幅减少无效分支。

实验关键数据¶

主实验：单目标 vs 多目标¶

数据集	方法	平均成本	平均时间	平均可行性	PMI	帕累托大小
USPTO-50K	Retro*	$52.3	8.7h	92.1%	18.4	1
USPTO-50K	EFMC	$48.7	9.2h	94.5%	16.8	1
USPTO-50K	PareSP	$40.1	5.6h	95.3%	12.7	8.4
ASKCOS-100	Retro*	$124.6	22.4h	88.7%	24.1	1
ASKCOS-100	EFMC	$115.3	19.8h	91.2%	22.6	1
ASKCOS-100	PareSP	$95.7	14.5h	96.4%	15.8	12.7

帕累托前沿多样性¶

目标分子	帕累托解数	最低成本	最快时间	最高可行性	最绿色
Aspirin	6	$3.2	1.2h	99.5%	PMI=4.8
Sildenafil	11	$89.4	12.3h	96.7%	PMI=18.2
Imatinib	14	$124.7	16.8h	94.2%	PMI=24.1

消融实验¶

配置	平均成本	帕累托大小	搜索时间
单目标 MCTS（成本）	$42.1	1	5.2 分钟
单目标 MCTS（可行性）	$58.9	1	4.8 分钟
多目标 MCTS（HV-UCT）	$40.3	7.2	7.5 分钟
PareSP 完整	$40.1	8.4	8.1 分钟
- 无 LRSN	$43.7	6.5	7.8 分钟
- 无化学先验	$48.2	4.3	9.4 分钟

用户研究¶

化学家偏好（30 人）	选 PareSP	选 Retro*	选 EFMC	无偏好
整体偏好	63.3%	16.7%	13.3%	6.7%
工业级合成	76.7%	10.0%	6.7%	6.7%
学术研究	53.3%	23.3%	16.7%	6.7%

关键发现¶

多目标解一致优于单目标：平均成本下降 23%，时间下降 35%，可行性反而提升。
帕累托前沿提供决策灵活性：化学家可根据场景选择路径。
化学先验关键贡献：搜索效率提升 16%。
超体积 UCT 有效：在搜索时间和多样性间取得最佳平衡。

亮点与洞察¶

多目标搜索的优雅应用：MO-MCTS 适合化学合成的离散组合搜索 + 多目标权衡场景。
化学先验 + 搜索算法融合：避免纯学习方法的"幻觉"和纯搜索的"盲目"。
实用化设计：4 个目标涵盖工业合成最核心权衡；用户研究证实化学家偏好。
可解释多样输出：完整帕累托前沿赋予用户决策权而非黑盒推荐。

局限与展望¶

目标可扩展性：当前 4 个目标，更多目标维度下帕累托前沿易爆炸。
多步反应不确定性：每步成本 / 时间为估算值。
化学家偏好捕获：用户研究 30 人样本小。
改进：探索更高维多目标搜索算法；引入主动学习更新化学家偏好；扩展到生物合成。

评分¶

新颖性: ⭐⭐⭐⭐ 多目标 MCTS 已有相关工作，本文创新在领域应用 + 化学先验融合 + 实用化。
实验充分度: ⭐⭐⭐⭐⭐ 跨数据集 + 多基线 + 帕累托分析 + 用户研究 + 详细消融。
写作质量: ⭐⭐⭐⭐ 问题动机清晰，算法描述详细，结论有力。
价值: ⭐⭐⭐⭐⭐ 化学合成有重大产业价值；多目标搜索提供化学家急需的决策灵活性。