基于注意力神经网络映射化学反应空间
化学物理
2020-12-14 v1 计算与语言
机器学习
摘要
有机反应通常被归入包含具有相似试剂和机理的反应的类别。反应类别有助于复杂概念的交流并实现对化学反应空间的高效导航。然而，分类过程是一项繁琐的任务。它需要通过标注反应中分子数量、反应中心以及区分反应物与试剂来识别相应的反应类别模板。本工作表明，基于transformer的模型可以从非标注的、简单的基于文本表示的化学反应推断反应类别。我们的最佳模型达到了98.2%的分类准确率。我们还表明，学习到的表示可用作反应指纹，比传统反应指纹更好地捕捉反应类别间的细粒度差异。由我们学习的指纹所实现的化学反应空间洞察通过一个提供可视化聚类和相似性搜索的交互式反应图谱加以说明。
引用
@article{arxiv.2012.06051,
title = {Mapping the Space of Chemical Reactions Using Attention-Based Neural Networks},
author = {Philippe Schwaller and Daniel Probst and Alain C. Vaucher and Vishnu H. Nair and David Kreutter and Teodoro Laino and Jean-Louis Reymond},
journal= {arXiv preprint arXiv:2012.06051},
year = {2020}
}
备注
https://rxn4chemistry.github.io/rxnfp/