学习进行可泛化且多样的逆向合成预测
机器学习
2019-10-23 v1 机器学习
摘要
我们提出了一种用于进行可泛化且多样的逆向合成反应预测的新模型。给定一个目标化合物，该任务是预测生成该目标的可能化学反应物。通过使用分子的 SMILES 表示，这一生成任务可被构建为序列到序列问题。在流行的 Transformer 架构之上，我们提出了两种新颖的预训练方法，为我们的任务构建相关的辅助任务（合理反应）。此外，我们将一个离散潜变量模型整合进该架构，以鼓励模型产生一组多样的替代预测。在美国专利文献（USPTO-50k）基准数据集的 5 万例反应子集上，我们的模型相较基线大幅提升了性能，同时生成的预测更具多样性。
引用
@article{arxiv.1910.09688,
title = {Learning to Make Generalizable and Diverse Predictions for Retrosynthesis},
author = {Benson Chen and Tianxiao Shen and Tommi S. Jaakkola and Regina Barzilay},
journal= {arXiv preprint arXiv:1910.09688},
year = {2019}
}