一种捕捉键合转换模式的预训练反应嵌入描述符
机器学习
2026-01-08 v1 人工智能
化学物理
摘要
随着数据驱动反应预测模型的兴起，有效的反应描述符对于桥接真实化学与数字表示至关重要。然而，通用且反应级别的描述符仍显稀缺。本研究引入 RXNEmb，这是一种从 RXNGraphormer 派生的新型反应级别描述符。RXNGraphormer 是一种预训练模型，旨在区分真实反应与虚假反应（具有错误键变更），从而学习内在的键形成和键断裂模式。我们通过数据驱动方式对 USPTO-50k 数据集进行重新聚类，得到一种更直接反映键变更相似性的分类，优于基于规则的类别。结合降维技术，RXNEmb 实现了反应空间多样性的可视化。此外，注意力权重分析揭示了模型对化学关键位点的关注，提供了机理见解。RXNEmb 作为一种强大且可解释的反应指纹和分析工具，为反应分析与发现的数据中心方法铺平了道路。
引用
@article{arxiv.2601.03689,
title = {A Pre-trained Reaction Embedding Descriptor Capturing Bond Transformation Patterns},
author = {Weiqi Liu and Fenglei Cao and Yuan Qi and Li-Cheng Xu},
journal= {arXiv preprint arXiv:2601.03689},
year = {2026}
}
备注
10 pages, 5 figures