創薬のコストはここ十数年で劇的に増加している。計算機支援による化合物探索は製薬業界で実用化されてきている。特に創薬の初期段階ではスクリーニング手法がヒット化合物探索に用いられているが、既知の化合物に用いられるため、新規な構造をもった化合物を探索するのは難しい。この問題を解決するため、近年では新規構造を生成する分子生成モデルが現れ始めた。これらは一つの評価関数の最適化によって探索するが、実用では候補化合物には複数の評価が求められる。本研究では深層学習を用いて拡張可能な多目的最適化を用いた分子生成モデルを開発した。これにより、ドッキングスコアや薬らしさの評価を採用したときには特定のタンパク質との親和性が高い薬らしい化合物を得られる。