使用自校正 Transformer 神经网络预测逆合成反应
化学物理
2019-07-04 v2 计算与语言
机器学习
摘要
合成规划是将目标分子递归分解为可得前体的过程。计算机辅助逆合成有可能协助化学家设计合成路线，但目前其操作繁琐且结果质量不尽如人意。在本研究中，我们开发了一个无模板的自校正逆合成预测器（SCROP），利用 Transformer 神经网络架构执行逆合成预测任务。在该方法中，逆合成规划被转化为反应物与产物的分子线性记号之间的机器翻译问题。结合基于神经网络的语法校正器，我们的方法在标准基准数据集上达到了 59.0% 的准确率，比其他深度学习方法提高 >21%，比基于模板的方法提高 >6%。更重要的是，对于未出现在训练集中的化合物，我们的方法准确率是最先进方法的其他方法的 1.7 倍。
引用
@article{arxiv.1907.01356,
title = {Predicting Retrosynthetic Reaction using Self-Corrected Transformer Neural Networks},
author = {Shuangjia Zheng and Jiahua Rao and Zhongyue Zhang and Jun Xu and Yuedong Yang},
journal= {arXiv preprint arXiv:1907.01356},
year = {2019}
}