Retrieval-Retro：基于检索且融入专家知识的无机逆合成方法
机器学习
2025-10-14 v3 人工智能
摘要
尽管无机逆合成规划在化学科学领域至关重要，但相较于有机逆合成规划，机器学习在该领域的应用探索明显不足。本文提出用于无机逆合成规划的 Retrieval-Retro 方法，该方法从知识库中检索参考材料，并基于领域专业知识隐式提取其前驱体信息。具体而言，我们并非直接使用参考材料的前驱体信息，而是提出利用多种注意力层对其进行隐式提取，这使得模型能够更有效地学习新颖的合成配方。此外，在检索过程中，我们考虑了目标材料与前驱体之间的热力学关系，这是在众多选项中识别最可能前驱体组合的关键领域专业知识。大量实验证明了 Retrieval-Retro 在逆合成规划中的优越性，尤其是在发现新颖合成配方方面，这对材料发现至关重要。Retrieval-Retro 的源代码可在 https://github.com/HeewoongNoh/Retrieval-Retro 获取。
引用
@article{arxiv.2410.21341,
title = {Retrieval-Retro: Retrieval-based Inorganic Retrosynthesis with Expert Knowledge},
author = {Heewoong Noh and Namkyeong Lee and Gyoung S. Na and Chanyoung Park},
journal= {arXiv preprint arXiv:2410.21341},
year = {2025}
}
备注
NeurIPS 2024