基于双随机图的不可自回归反应预测
化学物理
2023-06-13 v1 机器学习
摘要
有机反应预测是药物发现中的关键任务。近来，研究者通过建模电子重分布实现了不可自回归反应预测，取得了最先进的 top-1 准确率，并支持并行采样。然而，当前的不可自回归解码器无法同时满足电子重分布建模的两项基本规则：电子计数规则与对称规则。这种对化学反应物理约束的违背损害了模型性能。本工作中，我们提出一种新框架，结合两个双随机自注意力映射，以获得同时满足两项约束的电子重分布预测。我们进一步将方案扩展至带增强约束的通用多头注意力机制。为此，我们应用 Sinkhorn 算法迭代更新自注意力映射，将双守恒约束作为附加信息先验施加于电子重分布建模。我们从理论上证明，我们的方法可同时满足两项规则，而当前解码器机制无法做到。实证结果表明，该方法持续提升了不可自回归模型的预测性能，且未带来难以承受的额外计算成本。
引用
@article{arxiv.2306.06119,
title = {Doubly Stochastic Graph-based Non-autoregressive Reaction Prediction},
author = {Ziqiao Meng and Peilin Zhao and Yang Yu and Irwin King},
journal= {arXiv preprint arXiv:2306.06119},
year = {2023}
}
备注
Accepted by IJCAI 2023