基于条件图逻辑网络的逆合成预测

逆合成是有机化学中的基本问题之一。其任务是识别可用于合成指定产物分子的反应物。近来，计算机辅助逆合成正重新获得化学与计算机科学界的关注。多数现有方法依赖定义子图匹配规则的基于模板的模型，但化学反应能否进行并非由硬性决策规则定义。本文中，我们提出一种使用该任务的新方法——条件图逻辑网络（Conditional Graph Logic Network），一种构建于图神经网络之上的条件图模型，其学习反应模板中规则应何时被应用，隐式地考量所得反应在化学上是否可行且具有策略性。我们还提出一种高效的分层采样以缓解计算代价。在基准数据集上相较当前最先进方法取得 8.1% 的显著提升的同时，我们的模型还为预测提供了解释。