一种用于化学反应预测的自反馈知识引导方法
机器学习
2024-04-16 v1 人工智能
定量方法
摘要
化学反应预测 (CRP) 任务在推进药物发现和材料科学中发挥着关键作用。然而，其有效性受到庞大且不确定的化学反应空间以及捕捉反应选择性的挑战的制约，特别是由于现有方法在利用数据固有知识方面的局限性。为了应对这些挑战，我们引入了一种数据策划的自反馈知识引导方法。该方法从分子表示的迭代优化开始，并促进了对化学反应类型 (RT) 知识的提取。然后，我们采用自适应提示学习将先验知识注入大语言模型 (LLM) 中。结果，我们取得了显著的提升：逆合成预测准确率提高了 14.2%，试剂预测准确率提高了 74.2%，并且扩展了模型处理多任务化学反应的能力。这项研究为科学研究中的知识引导提供了一种新范式，并展示了 LLM 在 CRP 中尚未开发的潜力。
引用
@article{arxiv.2404.09606,
title = {A Self-feedback Knowledge Elicitation Approach for Chemical Reaction Predictions},
author = {Pengfei Liu and Jun Tao and Zhixiang Ren},
journal= {arXiv preprint arXiv:2404.09606},
year = {2024}
}