Retro*：基于神经引导 A* 搜索的逆合成规划
机器学习
2020-06-30 v1 人工智能
机器学习
摘要
逆合成规划是有机化学中的一项关键任务，旨在识别一系列可导向目标产物合成的反应。海量可能的化学转化使得搜索空间规模极为庞大，即便对经验丰富的化学家而言，逆合成规划也颇具挑战。然而，现有方法要么需要通过高方差的 rollout 进行昂贵的回报估计，要么为搜索速度而非质量进行优化。本文中，我们提出 Retro*，一种基于神经网络的类 A* 算法，可高效寻找高质量合成路线。它将搜索维护为一棵与或树（AND-OR tree），并利用离策略数据学习神经搜索偏置。随后在该神经网络引导下，它能在新的规划回合中高效执行最佳优先搜索。在基准 USPTO 数据集上的实验表明，我们所提方法在成功率和解质量方面均优于现有 SOTA，同时更为高效。
引用
@article{arxiv.2006.15820,
title = {Retro*: Learning Retrosynthetic Planning with Neural Guided A* Search},
author = {Binghong Chen and Chengtao Li and Hanjun Dai and Le Song},
journal= {arXiv preprint arXiv:2006.15820},
year = {2020}
}
备注
Presented at ICML 2020