Investigadores incorporan conocimientos químicos previos a la IA de retrosíntesis

Investigaciones recientes en retrosíntesis proponen formas de hacer que las predicciones de reacciones de la IA estén más fundamentadas en la química. Un artículo presenta C3LM, entrenado con unas 45,6 millones de reacciones verificadas mediante Top-K prompting, recompensas basadas en ChemCensor y recompensas orientadas a la novedad, y reporta un rendimiento de vanguardia en el benchmark OOD URSA-expert-2026. Otro artículo en arXiv presenta RetroMPA, un módulo post-hoc agnóstico al modelo que usa embeddings conscientes de las propiedades moleculares para mejorar las salidas de modelos de retrosíntesis existentes, con una mejora media reportada del 5,50% en precisión top-1 en ocho modelos sobre USPTO-50K.