AI اور دنیا کے مشکل مسائل · بایو انجینئرنگ اور مصنوعی حیاتیات · arXiv · 2026-10-21

mRNA سیکوئنس جنریشن کے لیے کرکولم-آگمینٹڈ GFlowNets

اصل عنوان: Curriculum-Augmented GFlowNets For mRNA Sequence Generation

ہدف پروٹینز کو کوڈ کرنے والی mRNA سیکوئنسز کا de novo ڈیزائن مترادف کوڈونز کی وسیع کمبینیٹوریل جگہوں پر متعدد حیاتیاتی مقاصد کی آپٹیمائزیشن کا تقاضا کرتا ہے، ایک ایسے منظرنامے میں جہاں رینفورسمنٹ لرننگ موڈ کولاپس کا شکار ہوتی ہے اور GFlowNets کو طویل ہورائزنز پر sparse rewards کا سامنا کرنا پڑتا ہے۔ کرکولم-آگمینٹڈ GFlowNets (CAGFNs) ایک ملٹی-آبجیکٹو GFlowNet ہیں جو لرننگ پروگریس سے چلنے والے موافقت پذیر، لمبائی پر مبنی کرکولم کے ذریعے تربیت حاصل کرتے ہیں اور زیادہ لمبے ہدف پروٹینز والے بتدریج مشکل ہوتے ٹاسکوں سے سیکھتے ہیں۔ CodonDesignEnv پر، جو ڈائنامک ایکشن ماسکنگ کے ذریعے پروٹین کی شناخت برقرار رکھنے والا ایک نیا کوڈون-لیول ماحول ہے، CAGFNs مقابلے کے قابل یا اس سے بہتر پاریٹو-فرنٹ کوریج اور تنوع حاصل کرتے ہیں، غیر کرکولم GFlowNets کے مقابلے 4 گنا تک تیزی سے کنورج کرتے ہیں، اور RL بیس لائنز کی نسبت 100% سیکوئنس انفرادیت برقرار رکھتے ہیں۔

اصل تحریر پڑھیں ↗

تمام آئٹمز →