基于多模态Transformer的Buchwald-Hartwig与Suzuki-Miyaura反应产率预测模型
机器学习
2022-05-02 v1 人工智能
摘要
预测化学反应的产率百分比在许多方面都有用处，例如通过优先进行预测高产率的反应来减少湿实验。本工作中，我们研究了利用多种类型输入预测化学反应产率。我们使用简化分子输入行输入系统(SMILES)以及计算得到的化学描述符作为模型输入。模型由预训练的基于双向Transformer的编码器(BERT)和带回归头的多层感知机(MLP)组成以预测产率。我们在Buchwald-Hartwig和Suzuki-Miyaura反应的两个高通量实验(HTE)数据集上进行了实验。实验显示，与仅使用SMILES或化学描述符作为输入的系统相比，两个数据集上的预测均有提升。我们还在Buchwald-Hartwig的域外数据集划分上测试了模型性能，取得了与最先进水平(state-of-the-art)相当的结果。除预测产率外，我们展示了模型建议最优(最高产率)反应条件的能力。模型能够建议出达到所报道最优产率94%的条件。这证明该模型可望在湿实验中无需昂贵实验即得最佳结果。
引用
@article{arxiv.2204.14062,
title = {Multimodal Transformer-based Model for Buchwald-Hartwig and Suzuki-Miyaura Reaction Yield Prediction},
author = {Shimaa Baraka and Ahmed M. El Kerdawy},
journal= {arXiv preprint arXiv:2204.14062},
year = {2022}
}
备注
Presented at Drug Discovery Chemistry 2022