L'IA face aux grands problèmes du monde · Bio-ingénierie et biologie synthétique · arXiv · 2026-10-21
GFlowNets augmentés par curriculum pour la génération de séquences d'ARNm
Titre original: Curriculum-Augmented GFlowNets For mRNA Sequence Generation
La conception de novo de séquences d'ARNm codant des protéines cibles exige d'optimiser plusieurs objectifs biologiques dans de vastes espaces combinatoires de codons synonymes, un contexte où l'apprentissage par renforcement souffre d'effondrement des modes et où les GFlowNets font face à des récompenses éparses sur de longs horizons. Les Curriculum-Augmented GFlowNets (CAGFNs) sont un GFlowNet multi-objectif entraîné avec un curriculum adaptatif fondé sur la longueur et piloté par la progression de l'apprentissage, apprenant à partir de tâches progressivement plus difficiles avec des protéines cibles plus longues. Sur CodonDesignEnv, un nouvel environnement au niveau des codons qui préserve l'identité des protéines grâce à un masquage dynamique des actions, les CAGFNs atteignent une couverture et une diversité du front de Pareto compétitives ou supérieures, convergent jusqu'à 4 fois plus vite que les GFlowNets sans curriculum et maintiennent une unicité des séquences de 100% par rapport aux lignes de base RL.