G2Gs：一种用于逆合成预测的图到图框架
机器学习
2021-08-23 v3 机器学习
摘要
计算化学中的一个基本问题是寻找一组反应物来合成目标分子，即逆合成预测。现有最先进方法依赖于将目标分子与大量反应模板匹配，计算代价非常高，并且还存在覆盖问题。在本文中，我们提出一种称为G2Gs的新颖无模板方法，通过将目标分子图转换为一组反应物分子图来实现。G2Gs首先通过识别反应中心将目标分子图拆分为一组合成子，然后通过变分图翻译框架将合成子翻译为最终的反应物图。实验结果表明，G2Gs在top-1准确率上比现有无模板方法显著高出至多63%，并达到接近最先进基于模板方法的性能，但不需要领域知识且更具可扩展性。
引用
@article{arxiv.2003.12725,
title = {A Graph to Graphs Framework for Retrosynthesis Prediction},
author = {Chence Shi and Minkai Xu and Hongyu Guo and Ming Zhang and Jian Tang},
journal= {arXiv preprint arXiv:2003.12725},
year = {2021}
}
备注
ICML 2020