論文の概要: Self-Improved Retrosynthetic Planning

• arxiv url: http://arxiv.org/abs/2106.04880v1
• Date: Wed, 9 Jun 2021 08:03:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-10 14:57:35.464718
• Title: Self-Improved Retrosynthetic Planning
• Title（参考訳）: 自己改善型再合成計画
• Authors: Junsu Kim, Sungsoo Ahn, Hankook Lee, Jinwoo Shin
• Abstract要約: 再合成計画(Retrosynthetic Planning)は、標的分子を合成する反応の経路を見つけるための化学の基本的な問題である。 最近の検索アルゴリズムは、ディープニューラルネットワーク(DNN)を用いてこの問題を解決するための有望な結果を示している。 そこで本研究では,DNNを直接訓練し,望ましい特性を持つ反応経路を生成するためのエンドツーエンドフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 66.5397931294144
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Retrosynthetic planning is a fundamental problem in chemistry for finding a pathway of reactions to synthesize a target molecule. Recently, search algorithms have shown promising results for solving this problem by using deep neural networks (DNNs) to expand their candidate solutions, i.e., adding new reactions to reaction pathways. However, the existing works on this line are suboptimal; the retrosynthetic planning problem requires the reaction pathways to be (a) represented by real-world reactions and (b) executable using "building block" molecules, yet the DNNs expand reaction pathways without fully incorporating such requirements. Motivated by this, we propose an end-to-end framework for directly training the DNNs towards generating reaction pathways with the desirable properties. Our main idea is based on a self-improving procedure that trains the model to imitate successful trajectories found by itself. We also propose a novel reaction augmentation scheme based on a forward reaction model. Our experiments demonstrate that our scheme significantly improves the success rate of solving the retrosynthetic problem from 86.84% to 96.32% while maintaining the performance of DNN for predicting valid reactions.
• Abstract（参考訳）: 再合成計画(Retrosynthetic Planning)は、標的分子を合成する反応経路を見つけるための化学の基本的な問題である。 近年,探索アルゴリズムは,ディープニューラルネットワーク(dnn)を用いて候補解の拡張,すなわち反応経路に新たな反応を加えることで,この問題に対する有望な結果を示している。 逆合成計画問題では、反応経路を(a)実世界の反応で表現し、(b)「構築ブロック」分子を使って実行可能なものとする必要があるが、dnnはそのような要求を完全に組み込むことなく反応経路を拡張する。 そこで本研究では,DNNを直接訓練し,望ましい特性を持つ反応経路を生成するためのエンドツーエンドフレームワークを提案する。 私たちの主なアイデアは、モデル自体が成功している軌道を模倣するようにトレーニングする自己改善手順に基づいています。 また, 前方反応モデルに基づく新しい反応増強手法を提案する。 提案手法は, 逆合成問題を86.84%から96.32%に改善し, 有効反応予測のためのDNNの性能を維持した。

関連論文リスト

• Learning Chemical Reaction Representation with Reactant-Product Alignment [50.28123475356234]
  本稿では,様々な有機反応関連タスクに適した新しい化学反応表現学習モデルであるモデルネームを紹介する。 反応物質と生成物との原子対応を統合することにより、反応中に生じる分子変換を識別し、反応機構の理解を深める。 反応条件を化学反応表現に組み込むアダプタ構造を設計し、様々な反応条件を処理し、様々なデータセットや下流タスク、例えば反応性能予測に適応できるようにした。
  論文  参考訳（メタデータ） (2024-11-26T17:41:44Z)
• Retro-prob: Retrosynthetic Planning Based on a Probabilistic Model [5.044138778500218]
  再合成は有機化学の基本的だが挑戦的な課題である。 標的分子を与えられた後生合成の目標は、合成経路に組み立てられる一連の反応を見つけることである。 本稿では,標的分子の合成確率を最大化するために,retro-probと呼ばれる新しい逆合成計画アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-25T08:23:40Z)
• Generative Model for Constructing Reaction Path from Initial to Final States [0.47477099173857373]
  本稿では,ニューラルネットワークを用いた反応経路の初期推定手法を提案する。 提案手法は、初期状態の座標を入力し、その後、その構造を進行的に変化させることによって開始される。 この幾何学的手法の応用は、有機反応によって示される複雑な反応経路にまで及ぶ。
  論文  参考訳（メタデータ） (2024-01-19T14:32:50Z)
• ChemiRise: a data-driven retrosynthesis engine [19.52621175562223]
  ケミリゼは、有機化合物を迅速かつ確実に再合成する完全な経路を提案することができる。 システムは300万以上の有機反応を処理した特許データベース上で訓練された。
  論文  参考訳（メタデータ） (2021-08-09T05:13:14Z)
• RetCL: A Selection-based Approach for Retrosynthesis via Contrastive Learning [107.64562550844146]
  レトロシンセシスは深層学習の新たな研究分野である。 本稿では, 市販分子の候補群から, 反応物質の選択問題へとレトロシンセシスを再構成する新しいアプローチを提案する。 スコア機能を学ぶために、ハードネガティブマイニングを備えた新しいコントラストトレーニングスキームも提案します。
  論文  参考訳（メタデータ） (2021-05-03T12:47:57Z)
• RetroXpert: Decompose Retrosynthesis Prediction like a Chemist [60.463900712314754]
  そこで我々は, テンプレートフリーな自動逆合成拡張アルゴリズムを考案した。 我々の方法はレトロシンセシスを2段階に分解する。 最先端のベースラインよりも優れている一方で、我々のモデルは化学的に合理的な解釈も提供する。
  論文  参考訳（メタデータ） (2020-11-04T04:35:34Z)
• Retro*: Learning Retrosynthetic Planning with Neural Guided A* Search [83.22850633478302]
  反合成計画(retrosynthetic planning)は、ターゲット生成物の合成に繋がる一連の反応を特定する。 既存の手法では、高いばらつきを持つロールアウトによる高価なリターン推定が必要か、品質よりも探索速度を最適化する必要がある。 本稿では,高品質な合成経路を効率よく見つけるニューラルネットワークA*ライクなアルゴリズムRetro*を提案する。
  論文  参考訳（メタデータ） (2020-06-29T05:53:33Z)
• Autonomous Discovery of Unknown Reaction Pathways from Data by Chemical Reaction Neural Network [0.0]
  化学反応は、エネルギー、環境、生物、その他多くの自然システムで起こる。 本稿では、時間分解種濃度データから反応経路を自律的に発見するニューラルネットワークアプローチを提案する。 提案された化学反応ニューラルネットワーク(CRNN)は設計上、質量反応法やアレニウス法を含む基本的な物理法則を満たす。
  論文  参考訳（メタデータ） (2020-02-20T23:36:46Z)
• Retrosynthesis Prediction with Conditional Graph Logic Network [118.70437805407728]
  コンピュータ支援のレトロシンセシスは、化学と計算機科学の双方から新たな関心を集めている。 本稿では,グラフニューラルネットワーク上に構築された条件付きグラフィカルモデルであるConditional Graph Logic Networkを用いて,この課題に対する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2020-01-06T05:36:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。