薬物探索の加速に関する問題は、前駆体分子を最適化してより優れた生化学的特性を付与する自動ツールに大きく依存しています。本論文では、分子最適化のためのグラフからグラフへの変換手法における従来の最先端技術を大幅に拡張しています。特に、サブ構造成分のエンコーディングと元の分子グラフの原子レベルでのエンコーディングを組み合わせることで、一貫した多解像度表現を実現しています。さらに、我々のグラフデコーダーは完全に自己回帰的であり、新しいサブ構造を追加する各ステップとその付着位置を解決するプロセスを交互に行います。我々は複数の分子最適化タスクでモデルを評価し、本モデルが以前の最先端基準に対して著しく優れていることを示しました。