ConRetroBert：EMA 稳定双编码器用于基于模板的单步反向合成
机器学习
2026-05-14 v1
摘要
基于模板的单步反向合成通过选择并应用显式反应模板来预测反应物，这使得每个预测都可被追溯到化学转化规则。这对于合成规划有用，但模板方法常被视为不如模板自由模型具有竞争力，因为模板预测通常被形式化为对长尾规则库的全局分类。我们认为，这一弱点并非源于模板本身，而是源于学习方法。我们提出了 ConRetroBert，一个双编码器框架，将基于模板的反向合成重新定义为密集产品模板检索 followed by candidate set listwise ranking。阶段 1 使用对比预训练学习产品和反应模板之间的共享嵌入空间。阶段 2 通过对挖掘的硬负采样候选集进行多正列表排序来细化模板排序。为在不 destabilize 硬负采样的同时实现模板侧适应，ConRetroBert 使用 slow moving exponential moving average 模板编码器构建检索库，同时通过排序损失更新 live 模板编码器。在本地 USPTO-50k 基准上，阶段 2 的候选集排序将 top-1 反应准确率从 50.5% 提升至 61.3%，而 EMA 稳定的模板适应进一步将其提升至 62.4%。从一个控制了数据泄露的 USPTO-Full 检查点进行精细调优，可在 USPTO-50k 上达到 75.4% 的 top-1 准确率。我们还展示了基于检索的模板预测在罕见模板的长尾中表现强劲，并且许多正确的反应物预测来自于替代的显式模板而非仅来自记录的正标签。代码和数据可在 https://github.com/JahidBasher/ConRetroBert 获取。
引用
@article{arxiv.2605.12736,
title = {ConRetroBert: EMA Stabilized Dual Encoders for Template-Based Single-Step Retrosynthesis},
author = {Mohammad Jahid Ibna Basher and Ali Khodabandeh Yalabadi and Ivan Garibay and Ozlem Ozmen Garibay},
journal= {arXiv preprint arXiv:2605.12736},
year = {2026}
}
备注
Submitted to NeurIPS 2026 Main Conference