CompleteRXN：通向完整化学反应数据库
机器学习
2026-05-29 v2 化学物理
摘要
化学反应数据集如 USPTO 常因缺失副产物、共反应物和化学计量系数而存在显著不完整性，这限制了其在下游应用中的可适用性和可靠性。本文引入 CompleteRXN，一个用于现实缺失数据条件下反应完成的大规模监督基准。我们通过将 USPTO 记录映射到精选的机械反应，构建了一组对齐的不完整且原子平衡的反应数据集。我们评估了代表性基线方法，包括一个 novel encoder-decoder 反应完成模型，采用受限解码；受限反应平衡器 (CRB)；以及最近的方法 SynRBL。在我们的 CompleteRXN 基准上，CRB 在难度递增的不同划分中均取得高性能，随机划分上达到 99.20% 的等价准确率，极端外部分析划分上达到 91.12%。SynRBL 产生大量平衡且在化学上合理的完成结果，但在基准测试分割上准确率较低。所有方法的性能都会随完整性增加而下降。我们观察到在基准之外的反应（完整未加工的 USPTO）上的评估会出现显著下降，凸显了基准性能与实际鲁棒性之间的差距，动力并激励未来工作。
引用
@article{arxiv.2605.00222,
title = {CompleteRXN: Toward Completing Open Chemical Reaction Databases},
author = {Gabriel Vogel and Minouk Noordsij and Evgeny Pidko and Jana M. Weber},
journal= {arXiv preprint arXiv:2605.00222},
year = {2026}
}