RCsearcher：基于深度 Q 学习的逆合成反应中心识别
机器学习
2023-01-31 v1 分子网络
摘要
反应中心由产物中局部性质与反应物中对应原子不相同的原子组成。先前关于反应中心识别的研究主要集中于半模板逆合成方法。此外，它们局限于单一反应中心的识别。然而，现实中许多反应中心由多个键或原子构成。我们称之为多重反应中心。本文提出 RCsearcher，一个统一框架，用于单一与多重反应中心识别，结合了图神经网络与深度强化学习的优势。该框架的关键洞见是，单一或多重反应中心必须是分子产物图的节点诱导子图。在每一步，它考虑在分子产物图中选择一个节点并将其加入已探索的节点诱导子图作为动作。综合实验表明，RCsearcher 持续优于其他基线，并能外推训练集中未出现的反应中心模式。消融实验验证了各组件的有效性，包括束搜索与动作空间的一跳约束。
引用
@article{arxiv.2301.12071,
title = {RCsearcher: Reaction Center Identification in Retrosynthesis via Deep Q-Learning},
author = {Zixun Lan and Zuo Zeng and Binjie Hong and Zhenfu Liu and Fei Ma},
journal= {arXiv preprint arXiv:2301.12071},
year = {2023}
}