迈向“AlphaChem”：基于树搜索与深度神经网络策略的化学合成规划
人工智能
2017-02-02 v1 机器学习
化学物理
摘要
逆合成是一种规划有机分子（如药物、农用化学品和精细化学品）化学合成的技术。在逆合成中，通过递归分析分子并将其拆解为更简单的分子构建块来构建搜索树，直至获得一组已知的构建块。搜索空间极其庞大，且难以确定逆合成位置的价值。在此，我们提议将逆合成建模为马尔可夫决策过程。结合从几乎完整的已发表化学知识中学习得到的深度神经网络策略，蒙特卡洛树搜索（MCTS）可用于评估位置。在探索性研究中，我们证明带有神经网络策略的MCTS优于传统使用的带有手工编码启发式的最佳优先搜索。
引用
@article{arxiv.1702.00020,
title = {Towards "AlphaChem": Chemical Synthesis Planning with Tree Search and Deep Neural Network Policies},
author = {Marwin Segler and Mike Preuß and Mark P. Waller},
journal= {arXiv preprint arXiv:1702.00020},
year = {2017}
}
备注
4 pages, 1 figure