AI駆動の科学と工学の時代において、ユーザーが指定した特性に基づいて離散オブジェクトを設計することが求められています。例えば、特定のタンパク質がターゲットに結合したり、回路内のコンポーネントを配置してレイテンシを最小化したりすることが挙げられます。このような設計には、特性予測モデルが必要で、設計空間における生成モデルの訓練が重要な役割を果たします。しかし、離散設計の最適化は組み合わせ的な性質により難しい場合があります。この記事では、設計変数に対して分解可能な特性予測器を活用する新しい分布最適化アルゴリズム、DADO（Decomposition-Aware Distributional Optimization）を提案し、効果的な最適化を実現する方法を示しています。DADOは、グラフメッセージパッシングを用いて連結因子間の最適化を調整することで、検索空間を効率的に探索することが可能です。