从可行到实用: Pareto 最优合成规划
人工智能
2026-05-27 v2
摘要
当前计算机辅助合成规划 (CASP) 方法常将合成规划视为在识别单个可行路径后即被解决, 主要关注收敛或最短路径指标. 这种观点与实际操作不符, 因为化师必须在成本、可持续性、毒性和总体收率等竞争性目标之间进行权衡. 为此, 我们将合成规划形式化为多目标搜索问题, 并引入 MORetro*, 一个生成合成路径 Pareto 前沿以显式捕获用户定义准则之间的权衡的算法. MORetro* 使用加权标量化和基于贝叶斯优化的信息采样来高效遍历组合搜索空间, 并优先考虑有前景的权衡. 在多目标 A*-搜索基础上, 我们提供最优性保证, 表明对于固定的单步骤模型, MORetro* 在可接受性条件下恢复真实的 Pareto 前沿. 在多个合成基准测试中, MORetro* 产生多样化的高质量 Pareto 前沿, 揭示了单目标方法所忽视的解决方案, 更好地与工业决策相吻合.
引用
@article{arxiv.2605.07521,
title = {From Feasible to Practical: Pareto-Optimal Synthesis Planning},
author = {Friedrich Hastedt and Dongda Zhang and Antonio del Rio Chanona},
journal= {arXiv preprint arXiv:2605.07521},
year = {2026}
}
备注
Published in Proceedings of the 43rd International Conference on Machine Learning (ICML 2026)