RLSynC：用于合成子补全的离线与在线强化学习方法
机器学习
2024-04-01 v3 人工智能
摘要
逆合成是确定能够反应生成目标产物的反应物分子集合的过程。基于半模板的逆合成方法模仿合成反应的反向逻辑，先预测产物中的反应中心，再将所得合成子补全为反应物。我们提出了一种用于半模板方法中合成子补全的离线与在线强化学习新方法RLSynC。RLSynC为每个合成子分配一个智能体，所有智能体以同步方式逐步执行动作来完成合成子补全。RLSynC从离线训练片段与在线交互中学习策略，使其能探索新的反应空间。RLSynC使用独立的前向合成模型评估预测反应物在合成产物中的似然，从而引导动作搜索。结果表明，RLSynC可超越最先进的合成子补全方法，提升幅度高达14.9%，凸显其在合成规划中的潜力。
引用
@article{arxiv.2309.02671,
title = {RLSynC: Offline-Online Reinforcement Learning for Synthon Completion},
author = {Frazier N. Baker and Ziqi Chen and Daniel Adu-Ampratwum and Xia Ning},
journal= {arXiv preprint arXiv:2309.02671},
year = {2024}
}
备注
32 pages, 5 figures, 4 tables