基于图先验增强的无模板逆合成
机器学习
2025-12-16 v2
摘要
逆合成反应预测旨在推断给定产物的合理前体分子，是计算机辅助有机合成中的重要问题。尽管近期取得了进展，但许多现有模型仍不足以满足实际部署所需的准确性和鲁棒性。在本文中，我们提出一种基于 Transformer 的无模板框架，无需手工制作的反应模板或额外的化学规则引擎。我们的模型将分子图信息注入注意力机制，以联合利用 SMILES 序列和结构线索，并进一步应用成对数据增强策略以提升训练多样性和规模。针对 USPTO-50K 基准进行大量实验，表明我们的方法在无模板方法中实现了最新水平的性能，并显著优于 vanilla Transformer 基线。
引用
@article{arxiv.2512.10770,
title = {Template-Free Retrosynthesis with Graph-Prior Augmented Transformers},
author = {Youjun Zhao},
journal= {arXiv preprint arXiv:2512.10770},
year = {2025}
}