化学産業やバイオテクノロジー分野では、複数の相互に矛盾した目標を同時に満たす分子設計が求められることが多くあります。例えば、医薬品候補化合物は生物活性の高さと合成の容易性を両立する必要があり、さらにADMET特性（吸収、分布、代謝、排泄、毒性）も満たさなければなりません。このような多目的分子最適化における課題は、膨大な化学空間を探索する際に、初期段階の設計決定が後続の結果を大きく制約してしまうという点にあります。 従来の最適化手法の多くは単一のポリシーまたは固定的なスカラー化に頼っており、異なるトレードオフを表現する能力や複数の有望な分子進化軌跡を探索する能力に限界がありました。そこで研究者らは、ATOM（Agents on a Tree for Optimization of Molecules）という革新的なマルチエージェントフレームワークを提案しました。ATOMは分子最適化を木構造探索として定式化し、各ノードが原子操作に対応して、特定の目標または判断文脈に特化したエージェントを配置します。 ATOMの特徴的な点は、エージェント間がグローバルなコンセンサスを強制するのではなく、木構造の異なる経路に沿って協調することです。この経路別協調アプローチにより、複数の異なる分子進化軌跡を同時に維持・比較することが可能になります。加えて、過去の最適化行動に関する全体的なメモリが目標間での均衡の取れた探索と活用をサポートします。このような木構造的な相互作用により、分子設計に固有の長期的な依存関係を推論することができます。 活性、合成可能性、ADMET関連特性を含む困難なマルチベンチマークでの実験結果は、ATOMが強力なベースライン手法を上回るPareto被覆度とハイパーボリュームを一貫して達成していることを示しています。これらの成果は、多目的分子最適化における経路別マルチエージェント協調の有効性を実証するものです。