本研究提出了一种离散扩散薛定谔桥匹配（DDSBM）框架，用于解决生成建模中任意分布传输的问题。该框架通过连续时间马尔可夫链在高维离散状态空间中解决薛定谔桥问题，适用于图的变换，并在分子优化中有效，优化目标属性同时保留其他特征。

QMO是一种基于机器学习的分子优化框架，可改善输入分子的属性。它在药物样性、溶解度、SARS-CoV-2主蛋白酶抑制剂和抗菌肽毒性优化方面表现出色。QMO的结果与外部验证一致，为材料优化问题提供有效手段。

QMO是一种基于机器学习的分子优化框架，能够改善输入分子的期望属性。它在药物样性、溶解度、抗菌肽毒性和SARS-CoV-2主蛋白酶抑制剂结合亲和力方面表现出色。QMO的结果与外部验证一致，为材料优化问题提供了有效手段。