（此文档属于类型a，是一篇关于可控图生成的原创性研究论文。以下是根据类型a要求生成的学术报告。）
在人工智能与图机器学习领域，如何生成高质量且符合特定属性约束的图结构数据（例如，具有特定药理性质的分子图）是一个基础且具挑战性的任务。近期，扩散模型（Diffusion Models）在图像、文本生成领域取得的巨大成功，促使其在图生成领域也得到广泛应用。然而，传统的图扩散模型存在两大核心局限：其一，可控性有限，模型在无明确条件训练时主要近似无条件数据分布，难以在推理过程中精准引导生成满足多重目标属性的图；其二，生成过程不稳定，去噪步骤的随机性常导致生成结果无效或质量低下，在图数据中，微小的结构扰动可能引发语义的剧烈变化，使问题尤为突出。
为了在推理时提升图生成的可控性与稳定性，研究者们提出了各种“推理时引导”（Inference-time Guidance）方法，例如利用辅助分类器提供梯度信号，或通过重采样候选噪音来保留最优分支。这些方法无需重新训练模型，具有一定的灵活性。但它们本质上仍是局部和启发式的：它们基于当前步骤的反馈做出贪婪决策，缺乏对长程去噪轨迹的全局规划能力，因此对复杂、多目标约束的处理能力有限，且在计算资源增加时性能提升很快达到瓶颈。
针对上述挑战，美国圣母大学（University of Notre Dame）的Jiachi Zhao、Zehong Wang（通讯作者）、康涅狄格大学（University of Connecticut）的Chuxu Zhang以及独立研究员Yamei Liao等人，提出了一种名为 TreeDiff 的创新框架。该研究于2024年发表于计算机领域顶级学术会议ACM Web Conference (WWW) 2026的会议录中。TreeDiff的核心思想是将蒙特卡洛树搜索（Monte Carlo Tree Search, MCTS）与双空间（潜空间与图空间）扩散模型相结合，在推理时实现全局的、可规划的可控图生成。本文将深入解析TreeDiff的研究背景、设计原理、实验验证及科学价值。
研究背景与目标
图生成是图学习中的一个基本问题，在网络系统、知识图谱以及药物与材料发现等科学领域具有广泛应用。扩散模型通过从噪声开始、迭代去噪的方式生成样本，因其能产生多样且高质量的样本而备受关注。然而，如引言所述，无条件扩散模型在可控性方面存在天然不足，而现有的推理时引导方法又受限于局部视野和启发式策略，难以充分利用额外计算资源进行长远规划。
本研究的目标正是为了克服这些限制。研究者们旨在开发一个“即插即用”（plug-and-play）的推理时方法框架，该框架不仅能通过全局搜索显著提升图生成的可控性与质量，还能展现出良好的计算扩展性——即随着推理时计算资源的增加，生成性能能够持续提升，而非早期饱和。为此，他们提出了三个关键的科学问题：如何在高步数（通常数百至上千步）的扩散过程中进行高效的树搜索？如何在保证效率的同时，确保生成图的结构有效性与稳定性？如何避免昂贵的完整轨迹模拟（rollout），对部分去噪状态进行快速而准确的长期价值评估？
研究方法与流程
TreeDiff的总体框架是将图扩散的逆过程（去噪过程）建模为一个序列决策问题，并应用MCTS在推理时对去噪轨迹进行优化搜索。其核心创新在于三个相互协同的关键设计：宏步骤扩展（Macro-step Expansion）、双空间去噪（Dual-space Denoising）和双空间验证器（Dual-space Verifier）。
第一，宏步骤扩展策略。 直接应用MCTS到扩散模型的挑战之一是“树深度爆炸”：每个去噪步骤对应树中的一个节点，导致搜索树过深，计算不可行。为解决此问题，TreeDiff重新定义了节点扩展的粒度。它不进行逐步骤（从时间步t到t-1）扩展，而是将多个连续的去噪步骤“打包”成一个宏步骤（从t到t-k），作为一个单一的树节点转移。这显著压缩了搜索树的深度，使其能够进行长程（long-horizon）探索。具体实施中，Tree采用了自适应步长采样：根据剩余扩散步数和剩余树深度计算一个基础步长k_base，并围绕其进行随机采样（𝑘 ∼ 𝒩(𝑘_base, (𝜎_𝑘·𝑘_base)^2)）。这种随机调度使得搜索既能进行大范围的粗粒度探索，也能进行精细的局部调整，优化了探索-利用权衡。
第二，双空间去噪机制。 这解决了节点表示与扩展的“效率-稳定性”权衡难题。单纯在潜空间（Latent Space）搜索，过渡平滑、效率高，但解码出的图可能结构无效；单纯在图空间（Graph Space）搜索，能保证结构有效性，但组合分支爆炸且转移不连续，导致选择不稳定。TreeDiff的解决方案是耦合连续潜空间扩散与轻量级离散图空间修正。在每个宏步骤扩展中，它首先在潜空间执行n步标准去噪，得到一个中间潜状态z{t-n}。随后，将其解码到图空间得到对应的结构g{t-n}。接着，一个轻量级的、训练好的离散去噪器𝑝_𝜓 对这个结构应用m步（m << n）分类精炼，强制执行拓扑一致性，得到一个修正后的图g{t-n-m}。这个修正后的图被重新编码回潜空间，得到一个新的潜状态z’{t-n-m}。 最关键的一步是，TreeDiff将重编码后的潜状态与原潜状态的差异，视为一个结构引导向量。这个向量被计算为一个梯度，在后续的潜空间去噪步骤中作为一个软性约束（guidance）注入到后验分布中，将轨迹轻柔地“拉向”结构一致的流形区域。这样，MCTS的选择（Selection）和价值回传（Backpropagation）可以完全在高效的潜空间中进行，同时通过周期性的图空间锚定来保证最终生成图的结构有效性和稳定性。论文中提到，编码器、解码器和离散去噪器是通过轨迹蒸馏（Trajectory Distillation）的方式，从预训练扩散模型生成的示范轨迹中学习得到的，以确保它们与扩散动力学保持一致。
第三，双空间验证器。 在标准的MCTS中，模拟（Simulation）阶段需要对从新节点开始的完整轨迹进行推演以评估长期收益，这在扩散模型中成本极高。TreeDiff引入了一个学习得到的双空间验证器𝑉_𝜙 来取代昂贵的完整模拟。该验证器以部分去噪状态（当前的潜状态z_t和解码后的图结构g_t）以及时间步t作为输入，直接预测从该状态继续完成整个去噪过程后所能获得的最终奖励𝑅(𝑔_0)。这个奖励可以融合多种目标，例如分子的期望属性（如QED, SAS）、与目标分布的相似度等。验证器采用双分支架构：一个图神经网络（如Graph Transformer或GPM）编码图结构，一个多层感知机（MLP）处理潜状态，再通过交叉注意力进行融合。验证器在预先生成的、带有最终奖励标签的扩散轨迹上进行回归训练，并使用了随机增强以提高鲁棒性。在MCTS过程中，这个预测的𝑅_𝑡值直接作为节点的价值估计，用于模拟和回传，实现了无推演的、高效的多目标规划。
实验设计与主要结果
研究者们在2D和3D分子图生成的标准基准数据集上，对TreeDiff进行了全面评估，涵盖了无条件生成和条件生成两种场景，并与广泛的基线方法进行了对比。
1. 条件图生成实验： * 2D分子（BACE, BBBP, HIV数据集）：任务是根据指定的分子属性（如抑制HIV复制）和合成可及性（SAS）等条件生成分子。评估指标包括生成分子的多样性（Diversity）、与目标属性的相似性（Similarity）、属性预测的均方误差（MAE）和分类准确率（Acc.）。如表1所示，TreeDiff在所有三个数据集上的综合性能（平均排名A.R.为1.9）均超越了所有基线方法，包括传统的基于遗传算法或VAE的方法（如Graph-GA, JTVAE-BO）、先进的扩散模型（如GraphDiT, GDSS）以及其他推理时引导方法（如Best-of-N, TAGMol, SVDD）。TreeDiff在保持高多样性的同时，实现了最优的条件匹配（最低的MAE和最高的Acc.），证明了其强大的可控生成能力。 * 3D分子（QM9数据集）：任务是根据给定的量子化学属性（如极化率α、HOMO-LUMO能隙δ𝜀等）生成3D分子构象。评估分训练分布内（ID）和分布外（OOD）两种设置，以测试模型的泛化能力。如表2所示，TreeDiff在几乎所有六个属性上，无论是ID还是OOD设置，都取得了最低的预测误差（MAE），平均排名（A.R. 1.4）遥遥领先。特别是在OOD设置下，其优势更加明显，这表明TreeDiff的全局规划机制能够更好地处理分布偏移，将中间去噪状态与全局属性目标对齐，并通过逐步验证过滤不稳定的编辑，防止误差累积。
2. 无条件图生成实验： * 2D分子（QM9, ZINC250k数据集）：评估在没有显式条件约束下，模型生成化学有效且分布逼真分子的能力。关键指标包括化学有效性（Validity）、分布保真度（FCD, NSPDK）和骨架相似性（Scaffold）。如表3所示，TreeDiff在QM9和ZINC250k数据集上都取得了近乎完美的有效性（~99.9%）和最低的FCD分数（表明生成分布最接近真实数据分布），同时在其余指标上保持竞争力。这凸显了规划引导的采样在提升无条件生成质量与分布逼真度方面的有效性。 * 3D分子（QM9, Drugs数据集）：评估生成3D分子的几何合理性与稳定性。指标包括原子级稳定性（AS）和分子级稳定性（MS）。如表4所示，TreeDiff在QM9上取得了最高的分子级稳定性（MS 88.6）和顶尖的原子级稳定性（AS 98.8），综合平均排名（A.R. 1.8）最佳。这表明TreeDiff能够将局部原子精度与全局结构一致性相结合，生成更稳定、更合理的3D分子。
3. 消融研究与效率分析： * 双空间去噪强度：论文通过调整引导强度𝜎进行了消融实验。结果表明，适中的耦合强度（𝜎=1.0）能取得最佳平衡，过强（𝜎=0.1）或过弱（𝜎=10）的引导都会损害性能。完全移除图空间修正（w/o graph space）的版本性能明显下降，验证了双空间设计的必要性。 * 验证器设计：比较了仅使用潜空间、仅使用图空间（不同图编码器）以及双空间融合的验证器。结果显示，潜空间+图空间的融合设计始终优于单一模态，而采用先进图模式机（GPM）作为图编码器的组合（Latent+GPM）取得了最佳效果，证明了结合连续潜信息与离散结构信息能带来更准确稳定的价值预测。 * 效率与扩展性：这是本研究的一大亮点。如图1和图4所示，TreeDiff展现出优越的推理时计算扩展性。随着分配给推理的计算量（以NFE，即神经网络前向传播次数衡量）增加，TreeDiff的性能持续提升。相比之下，包括标准扩散、Best-of-N和现有的SOTA推理时引导方法（SVDD）在内的基线方法，其性能在计算资源有限时便早早达到平台期，甚至可能下降。这表明TreeDiff的MCTS框架能够有效地利用额外的计算资源进行更深入的全局规划，从而获得质量更高的生成结果。此外，效率分析表明，TreeDiff的步进式验证（step-wise verification）相比后验验证（post-hoc）能大幅降低计算成本（在BACE和QM9任务上分别降低9.6倍和15.6倍），同时保持或提升预测精度。关于树深度的分析则揭示了一个实用的帕累托前沿：深度在10到50之间时，模型能以可接受的计算代价获得大部分性能增益。
研究结论与价值
本研究提出的TreeDiff框架，成功地通过将蒙特卡洛树搜索（MCTS）与双空间扩散模型相结合，实现了高效、可控且稳定的图生成。其三大核心创新——宏步骤扩展、双空间去噪和双空间验证器——系统性地解决了将MCTS应用于图扩散生成时所面临的长程规划、效率-稳定性权衡以及评估成本高昂三大挑战。
该研究的科学价值主要体现在以下几个方面： 1. 方法论创新：为扩散模型的可控生成提供了一种全新的、基于全局搜索的推理时引导范式。它将序列生成问题形式化为一个可通过树搜索进行优化的决策过程，为相关领域（如文本、图像的条件生成）提供了新的思路。 2. 解决核心难题：有效提升了图生成，特别是分子生成任务中的可控性、稳定性与分布外泛化能力。这对于药物发现、材料设计等对生成物属性有严苛要求的科学计算领域具有重大意义。 3. 计算扩展性证明：首次在扩散模型推理中系统性地证明了基于搜索的方法可以随着计算资源的增加而持续提升性能，打破了现有方法性能早期饱和的局限，为追求极致生成质量的应用场景提供了可行路径。 4. 即插即用与通用性：TreeDiff作为一个不依赖特定扩散模型架构的即插即用模块，具有良好的通用性和易用性，可以方便地集成到现有的图扩散模型中。
研究亮点总结
TreeDiff研究不仅为解决图生成中的可控性与稳定性问题提供了强有力的新工具，其背后所蕴含的“全局规划优于局部修正”的思想，以及将序列决策、搜索算法与生成模型深度融合的技术路线，对推动生成式人工智能朝着更可控、更可靠、更高效的方向发展具有重要的启发性价值。