DirectMultiStep: 多步骤反应物生成的直接路由
机器学习
2025-04-09 v3 人工智能
摘要
传统的计算机辅助合成规划（CASP）方法依赖于迭代的单步骤预测，导致指数级搜索空间增长，限制了效率和可扩展性。我们引入一系列基于 transformer 的模型，利用专家混合方法直接生成多步骤合成路线作为单个字符串，条件性地预测每个转换基于其前面的所有转换。我们的 DMS Explorer XL 模型只需目标化合物作为输入，即可在 PaRoutes 数据集上实现对 n 和 n 测试集 Top-1 准确率分别提升 1.9 倍和 3.1 倍。提供额外信息，如所需步骤数和起始材料，可实现模型规模的减少和准确率的提高，凸显了将更多约束纳入预测过程的优势。表现最佳的 DMS-Flex（Duo）模型在 n 和 n 集合的 Top-1 和 Top-10 准确率上分别提高 25-50%。此外，我们的模型成功预测了不包含在训练数据中的 FDA 批准药物的路线，显示出强大的泛化能力。尽管训练集的有限多样性可能影响对不常见反应类型的性能，但我们的多步骤优先方法为实现完全自动化的反应物规划指明了前景。
引用
@article{arxiv.2405.13983,
title = {DirectMultiStep: Direct Route Generation for Multistep Retrosynthesis},
author = {Yu Shee and Anton Morgunov and Haote Li and Victor S. Batista},
journal= {arXiv preprint arXiv:2405.13983},
year = {2025}
}