基于经验引导蒙特卡洛树搜索的逆向合成规划
人工智能
2023-06-13 v2
摘要
在逆向合成规划中，使用简单构建块合成复杂分子的巨量可能路线导致了组合爆炸。即使经验丰富的化学家也常难以选择最有前景的转化。当前方法依赖于人类定义或机器训练的评分函数，其化学知识有限或使用昂贵的估计方法进行引导。在此我们提出经验引导蒙特卡洛树搜索（EG-MCTS）来处理该问题。我们未采用 rollout，而是构建经验引导网络，在搜索过程中从合成经验中学习知识。在基准USPTO数据集上的实验表明，EG-MCTS在效率和效果上都较最先进方法获得显著提升。在与文献的对比实验中，我们计算机生成的路线大多与报道路线相符。为真实药物化合物设计的路线展示了EG-MCTS在辅助化学家进行逆向合成分析上的有效性。
引用
@article{arxiv.2112.06028,
title = {Retrosynthetic Planning with Experience-Guided Monte Carlo Tree Search},
author = {Siqi Hong and Hankz Hankui Zhuo and Kebing Jin and Guang Shao and Zhanwen Zhou},
journal= {arXiv preprint arXiv:2112.06028},
year = {2023}
}