研究人员为逆合成 AI 加入化学先验
新研究旨在让计算机辅助合成规划给出更可信、更多样的反应预测。
为什么重要
这些工作反映出一个趋势：逆合成正在从单一答案的序列任务，转向能够利用化学约束对多样且可信路径进行排序的系统。这可能让 AI 合成规划在药物发现和有机化学工作流中更有用。
核心要点
- 1.C3LM 将 Top-K 提示和关注可信度的奖励用于逆合成。
- 2.RetroMPA 无需重新训练即可改进八个逆合成模型。
- 3.两种方法都将化学约束注入 AI 合成规划。
近期的逆合成研究提出了让 AI 反应预测更符合化学规律的方法。一篇论文介绍了 C3LM，该模型基于约 4560 万条经过验证的反应训练，采用 Top-K 提示、基于 ChemCensor 的奖励以及面向新颖性的奖励，并称其在 OOD URSA-expert-2026 基准上达到当前最佳表现。另一篇 arXiv 论文介绍了 RetroMPA，这是一个与模型无关的事后模块，利用感知分子性质的嵌入来改进现有逆合成模型的输出；报告称，在 USPTO-50K 上，它让八个模型的 top-1 准确率平均提升 5.50%。
⚡ 今天就能用
评估逆合成工具时，应关注多个可信的 Top-K 输出，并在依赖生成路线前加入化学合理性过滤。
来源与原始报道
本简报汇总并链接到以下媒体的报道。
- arXiv cs.AITraining Chemical Plausibility-Aware Large Language Models for Single-Step RetrosynthesisAug 20, 12:00 PM↗
- arXiv cs.CLTraining Chemical Plausibility-Aware Large Language Models for Single-Step RetrosynthesisAug 20, 12:00 PM↗
- HF Daily PapersTraining Chemical Plausibility-Aware Large Language Models for Single-Step RetrosynthesisAug 19, 4:00 AM↗
- arXiv cs.AIRetroMPA: A Molecular Property-Aware Auxiliary Framework for Enhancing Retrosynthesis PredictionAug 18, 12:00 PM↗
- arXiv cs.LGRetroMPA: A Molecular Property-Aware Auxiliary Framework for Enhancing Retrosynthesis PredictionAug 18, 12:00 PM↗
觉得这篇简报有用？下一篇直接送到你的邮箱。