SynthStrategy：从大语言模型中提取并形式化隐含战略洞察于有机化学
人工智能
2025-12-02 v1 机器学习
摘要
现代计算机辅助合成规划 (CASP) 系统在生成化学有效反应步骤方面显示出前景，但在融合战略考量（如收敛组装、保护基最小化和最优环形成序列）方面存在挑战。我们引入一种方法，利用大型语言模型 (LLM) 将合成知识提炼为代码。该系统分析合成路线，将战略原则翻译为表示多样化战略与战术规则的 Python 函数，如战略官能团转化和环构建策略。通过将该知识作为可验证代码而非简单启发式方式形式化，我们创建了可测试、可解释的合成战略表征。我们发布了完整代码库和 USPTO-ST 数据集——标注有战略标签的合成路线。该框架解锁了 CASP 的一种新能力：基于自然语言的路线检索，实现该基准测试中 75% 的 Top-3 准确率。我们进一步通过历史趋势的时间分析和具有更细粒度划分的化学直觉路线聚类来验证该库，后者比常见的以往方法提供更精细的划分。该工作桥接了 CASP 中的战术-战略鸿沟，使能够按战略标准而非仅结构标准来指定、搜索和评估合成路线。
引用
@article{arxiv.2512.01507,
title = {SynthStrategy: Extracting and Formalizing Latent Strategic Insights from LLMs in Organic Chemistry},
author = {Daniel Armstrong and Zlatko Jončev and Andres M Bran and Philippe Schwaller},
journal= {arXiv preprint arXiv:2512.01507},
year = {2025}
}