分子搜索不再固定邻域：TRACE按成败伸缩搜索范围，80次DFT评估把FePc抗溶出能提高到2.59 eV
核心概要
开放式分子设计中，候选按需生成，搜索范围此前多由预设的相似度或候选数固定。TRACE把化学搜索的“远近”和“宽窄”显式化为Tanimoto相似度阈值与候选数预算，并用成功/失败控制器同步伸缩两者，由固定的fragprint高斯过程挑选评估对象。在六个PMO目标、统一1000次评估预算下，TRACE的top-1 AUC平均排名为1.73、top-10 AUC平均排名为1.27；在FePc衍生物的闭环DFT优化中，80次设计候选评估把计算得到的抗Fe溶出能由0.42 eV提高到2.59 eV。
深度剖析
开放式分子优化中，搜索范围的大小现在由优化进程决定，而不是在运行前固定。 此前的图遗传算法、STONED等做法把邻域定义写进候选生成机制，相似度标准或每轮候选数在优化开始前设定并全程不变。 在六个PMO目标、统一1000次评估预算（含20个初始分子、20轮每批49个）下，TRACE的top-1 AUC平均排名为1.73，top-10 AUC平均排名为1.27，均为所比较方法中最好。
搜索范围被拆成两个可调量：化学上的远近和候选集的宽窄。 Tanimoto相似度阈值只限定候选与当前搜索中心的差异程度，并不决定有多少个候选进入采集函数。 阈值τ与候选数预算k通过一条单调映射耦合，k在kmin到kmax之间变化时τ随之从τhi降到τlo，因此一个自适应状态同时控制两者。
控制器只根据评估结果的好坏伸缩区域，不参与挑选具体分子。 候选由不读取目标值的图扰动机制生成，目标信息此前只在代理模型和采集函数阶段进入流程。 连续nsucc次成功就把k加倍，连续nfail次失败就减半；若再收缩会低于可行批量下限则重启并重置k，GP与qLogEI只在允许集合内选批。
在昂贵的第一性原理评估下，这套搜索仍能沿局部步子走远。 初始FePc参考的溶出能为0.42 eV，且不计入后续80次设计候选评估。 八轮、每批10次的DFT评估后最优结构Ediss为2.59 eV；该结构与第8轮搜索中心的Tanimoto相似度为0.65，而该中心与初始FePc的相似度约为0.19。
启示与展望
演示范围是六个PMO目标上的低预算基准、两个目标上的交叉消融，以及一个目标上的单次FePc DFT闭环优化；作者把后者定位为昂贵评估场景的演示，而非优化器之间的比较。适合关注小预算分子优化与AI辅助材料设计的读者。作者提出，下一步是更系统地理解候选生成方式与区域自适应之间的相互作用。
作者指出，交叉消融的诊断无法说明为何区域控制只在TRACE候选生成下有益，结论限于所研究的两个目标和五个种子。FePc研究是单一目标上的单次计算campaign，实际催化剂设计还需处理相互竞争的目标与约束并做实验验证。指纹相似度只是目标局部性的不完美代理，τ与k的线性耦合也只是众多可选设计之一。