AIGC動態歡迎閱讀

原標題：準確率達60.8%，浙大基于Transformer的化學逆合成預測模型，登Nature子刊
關鍵字：反應物,解碼器,方法,編輯,模型
文章來源：機器之心
內容字數：0字

內容摘要：

將 ScienceAI設為星標
第一時間掌握
新鮮的 AI for Science 資訊編輯 | KX
逆合成是藥物發現和有機合成中的一項關鍵任務，AI 越來越多地用于加快這一過程。
現有 AI 方法性能不盡人意，多樣性有限。在實踐中，化學反應通常會引起局部分子變化，反應物和產物之間存在很大重疊。
受此啟發，浙江大學侯廷軍團隊提出將單步逆合成預測重新定義為分子串編輯任務，迭代細化目標分子串以生成前體化合物。并提出了基于編輯的逆合成模型 EditRetro，該模型可以實現高質量和多樣化的預測。
大量實驗表明，模型在標準基準數據集 USPTO-50?K 上取得了出色的性能，top-1 準確率達到 60.8%。
結果表明，EditRetro 表現出良好的泛化能力和穩健性，凸顯了其在 AI 驅動的化學合成規劃領域的潛力。
相關研究以「Retrosynthesis prediction with an iterative string editing model」為題，于 7 月 30 日發布在《Nature Communications》上。
論文鏈接：https://www.nature.c

原文鏈接：準確率達60.8%，浙大基于Transformer的化學逆合成預測模型，登Nature子刊

聯系作者

文章來源：機器之心
作者微信：
作者簡介：