Iterative Distillation for Reward-Guided Fine-Tuning of Diffusion Models in Biomolecular Design

Motivation

• Known: 확산모델은 단백질, 작은 분자 등 복잡한 고차원 데이터 분포 모델링에 탁월하며, 컴퓨터 비전에서는 미분가능한 보상함수의 기울기 역전파(gradient backpropagation)로 최적화 가능
• Gap: 생물분자 설계 분야에서 보상함수는 물리 시뮬레이터(예: AutoDock Vina), 구조 검증 알고리즘(예: DSSP), 신경망 기반 예측기(예: AlphaFold3) 등 대부분 미분불가능하므로 직접 역전파 불가능
• Why: 기존 RL 기반 방법(PPO, DPOK, DDPO)은 온정책(on-policy) 특성으로 인해 탐색 범위가 좁고, 역방향 KL 발산 목적함수는 모드 추구 행동으로 모드 붕괴를 야기하며, 확산 모델 미세조정 시 높은 불안정성을 보임
• Approach: 오프정책 수집 단계(roll-in), 값함수 기반 소프트 최적정책 모의(roll-out), 정방향 KL 발산 최소화를 통한 모델 업데이트(model update)의 세 단계를 반복하는 정책 증류(policy distillation) 프레임워크

Achievement

그림 1: VIDD의 개요. 오프정책 롤인, 값함수 기반 보상가중 롤아웃, 정방향 KL 기반 모델 업데이트를 반복적으로 수행

1. 안정성 향상: 오프정책 데이터 수집과 정방향 KL 목적함수를 통해 온정책 방법 대비 훈련 안정성이 향상되고 모드 붕괴 위험 감소
2. 샘플 효율 개선: 기존 RL 방법들(PPO, DDPO)보다 우수한 샘플 효율로 더 적은 보상 평가로 수렴
3. 광범위한 작업 지원: 단백질 설계(이차 구조 매칭, PD-L1/IFNAR2 결합 설계), 작은 분자 설계, 조절 DNA 설계 등 다양한 생물분자 설계 과제에서 우수한 성능 입증
4. 비미분가능 보상 최적화: 물리 시뮬레이션이나 과학 지식 기반 보상 등 임의의 비미분가능 보상함수에 대응 가능

How

그림 1: VIDD의 알고리즘 구조 및 세 가지 핵심 단계

알고리즘 구조:

• Roll-in (오프정책 수집): 사전훈련된 모델과 이전 미세조정 정책의 혼합분포에서 궤적(trajectory)을 샘플링하여 다양한 탐색 보장. 이를 통해 현재 정책 주변의 좁은 영역으로 제한되지 않음
• Roll-out (소프트 최적정책 모의): 수집된 중간 상태 $x_t$에서 시작하여, 값함수 $\hat{v}_{t→1}$로 가중치를 부여한 보상 기반 소프트 최적정책 $p_{out}$을 구성. 이는 보상을 최적화하면서도 현재 정책과의 거리를 유지하는 KL 제약이 암묵적으로 포함됨
• Model Update (정방향 KL 최소화): 롤아웃으로부터 생성된 소프트 최적정책과 현재 모델 정책 사이의 KL 발산 최소화:

$$\mathcal{L} = KL(p_{out} || p_ω)$$

이는 전향적(forward) KL 목적함수로 모드 커버링(mode covering) 행동을 유도하여 다양성 보존

• 값함수 설계: 확산모델의 특성에 맞춘 값함수 $v_t(x_t) = \log p_{pre}(x_t) + \mathbb{E}[R(x_0)]$를 사용하여 보상과 분포 적합성 간의 균형 조절

Originality

• 정책 증류 프레임워크: 확산모델 미세조정에 정책 증류 개념을 적용한 최초의 체계적 시도로, 기존 직접 역전파나 온정책 RL의 한계 극복
• 오프정책 확산 학습: 확산모델 미세조정에서 오프정책 데이터 수집을 통해 탐색-활용 균형을 개선하고 분포 이동(distribution shift) 완화
• 정방향 KL 기반 목적함수: 역방향 KL(reverse KL)을 사용하는 기존 PPO 기반 방법들과 달리 정방향 KL을 적용하여 모드 붕괴 문제를 근본적으로 해결
• 확산 특화 값함수: $\log p_{pre}(x_t)$ 항을 포함하여 사전훈련 분포와의 거리를 명시적으로 고려하는 값함수 설계는 확산모델의 특수성을 반영한 기여
• 과학 응용 맥락: 생물분자 설계의 실제 요구(비미분가능 보상)에 직접 대응하는 실용적이고 구체적인 해결책 제시

Limitation & Further Study

• 계산 복잡도: 값함수 근사, 소프트 최적정책 모의, 모델 업데이트 등 여러 단계를 거치므로 온정책 방법 대비 계산 비용 증가 가능성이 논의되지 않음
• 하이퍼파라미터 민감도: 롤인 혼합 비율(roll-in mixture ratio), KL 제약 강도(ε), 값함수 근사 정확도 등에 대한 상세한 민감도 분석 부족
• 확장성: 매우 높은 차원의 설계 공간(예: 큰 단백질, 매우 큰 분자 라이브러리)에 대한 확장성과 효율성 미검증
• 이론적 수렴성: 알고리즘의 수렴 보장(convergence guarantee)과 최적성 해석(optimality characterization)에 대한 이론적 분석 부족
• 후속 연구 방향:
  • 값함수 근사 오차의 영향 분석 및 적응적 값함수 학습 기법 개발
  • 대규모 생물분자 설계 문제에 대한 확장 및 병렬화
  • 다중 목표 보상함수 최적화로의 확장
  • 실험적 검증 통한 생물학적 유효성 확인

Evaluation

총평: 이 논문은 생물분자 설계에서 미분불가능한 보상 최적화라는 실질적 도전 과제를 오프정책 학습과 정방향 KL 기반 정책 증류로 우아하게 해결한 강력한 기여다. 단백질·분자 설계 분야에서의 광범위한 실증과 기존 방법 대비 안정성 및 샘플 효율 개선이 논문의 가치를 높인다. 다만 이론적 분석과 대규모 문제에 대한 확장성 검증이 보강되면 더욱 우수한 논문이 될 수 있다.