准确率达60.8%，浙大基于Transformer的化学逆合成预测模型，登Nature子刊

AIGC动态欢迎阅读

原标题：准确率达60.8%，浙大基于Transformer的化学逆合成预测模型，登Nature子刊
关键字：反应物,解码器,方法,编辑,模型
文章来源：机器之心
内容字数：0字

内容摘要：

将 ScienceAI设为星标
第一时间掌握
新鲜的 AI for Science 资讯编辑 | KX
逆合成是药物发现和有机合成中的一项关键任务，AI 越来越多地用于加快这一过程。
现有 AI 方法性能不尽人意，多样性有限。在实践中，化学反应通常会引起局部分子变化，反应物和产物之间存在很大重叠。
受此启发，浙江大学侯廷军团队提出将单步逆合成预测重新定义为分子串编辑任务，迭代细化目标分子串以生成前体化合物。并提出了基于编辑的逆合成模型 EditRetro，该模型可以实现高质量和多样化的预测。
大量实验表明，模型在标准基准数据集 USPTO-50 K 上取得了出色的性能，top-1 准确率达到 60.8%。
结果表明，EditRetro 表现出良好的泛化能力和稳健性，凸显了其在 AI 驱动的化学合成规划领域的潜力。
相关研究以「Retrosynthesis prediction with an iterative string editing model」为题，于 7 月 30 日发布在《Nature Communications》上。
论文链接：https://www.nature.c

原文链接：准确率达60.8%，浙大基于Transformer的化学逆合成预测模型，登Nature子刊