ChemBART：面向有机化学分析的预训练 BART 模型
机器学习
2026-01-07 v1
摘要
最近的大型语言模型（LLM）进展展现出巨大的潜力，已跨越多个领域。虽然 LLM 已应用于计算机辅助合成规划（CASP）中的分子简化分子输入线编码系统（SMILES），但现有方法通常仅解决单一任务，如前体预测。我们引入 ChemBART，这是一个基于 SMILES 的 LLM，通过在化学反应上进行预训练，实现多个下游化学任务的统一模型——实现“一个模型，一个预训练，多个任务”的范式。通过利用掩码填充预训练任务在反应表达式上的输出，ChemBART 有效解决各种化学问题，包括前体/试剂生成、温度-产率回归、分子性质分类，以及在蒙特卡洛树搜索集成的强化学习框架中优化策略和价值函数，用于多步骤合成路线设计。与受限于特定应用的单分子预训练 LLM 不同，ChemBART 解决更广泛的化学挑战，并整合这些挑战以实现完整的合成规划。重要的是，ChemBART 设计的多步骤合成路线和反应条件直接激发了实验室验证，确认了较短的路径，产率比文献基准提高约30%。我们的工作验证了以反应为导向的预训练的力量，展示了 ChemBART 在推进完整合成规划周期中的广泛实用性。
引用
@article{arxiv.2601.02915,
title = {ChemBART: A Pre-trained BART Model Assisting Organic Chemistry Analysis},
author = {Kenan Li and Yijian Zhang and Jin Wang and Haipeng Gan and Zeying Sun and Xiaoguang Lei and Hao Dong},
journal= {arXiv preprint arXiv:2601.02915},
year = {2026}
}