通过投机解码加速基于分子生成的化学反应模型推理：面向工业应用
机器学习
2024-07-18 v2 人工智能
定量方法
摘要
基于分子生成的 SMILES 到 SMILES 翻译模型在反应预测和单步反向合成中表现优异，适用于计算机辅助合成规划系统，但因推理速度慢。我们提出一种通过将查询字符串的子序列复制到目标字符串中正确位置来加速自回归 SMILES 生成器推理的方法。将该方法应用于 PyTorch Lightning 中实现的分子转换器，可在反应预测和单步反向合成中实现超过 3 倍的推理加速，同时保持原有的准确率。
引用
@article{arxiv.2407.09685,
title = {Accelerating the inference of string generation-based chemical reaction models for industrial applications},
author = {Mikhail Andronov and Natalia Andronova and Michael Wand and Jürgen Schmidhuber and Djork-Arné Clevert},
journal= {arXiv preprint arXiv:2407.09685},
year = {2024}
}
备注
8 pages, 3 figures