論文の概要: Recent advances in artificial intelligence for retrosynthesis
- arxiv url: http://arxiv.org/abs/2301.05864v1
- Date: Sat, 14 Jan 2023 09:29:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-18 18:24:11.346324
- Title: Recent advances in artificial intelligence for retrosynthesis
- Title(参考訳): レトロ合成のための人工知能の最近の進歩
- Authors: Zipeng Zhong, Jie Song, Zunlei Feng, Tiantao Liu, Lingxiang Jia,
Shaolun Yao, Tingjun Hou, Mingli Song
- Abstract要約: 再合成は有機化学の基盤であり、化学者が物質や医薬品の製造に不慣れで新しい分子にアクセスできるようにしている。
人工知能による最近のブレークスルーは、レトロシンセシスに革命をもたらした。
- 参考スコア(独自算出の注目度): 29.32667622776065
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Retrosynthesis is the cornerstone of organic chemistry, providing chemists in
material and drug manufacturing access to poorly available and brand-new
molecules. Conventional rule-based or expert-based computer-aided synthesis has
obvious limitations, such as high labor costs and limited search space. In
recent years, dramatic breakthroughs driven by artificial intelligence have
revolutionized retrosynthesis. Here we aim to present a comprehensive review of
recent advances in AI-based retrosynthesis. For single-step and multi-step
retrosynthesis both, we first list their goal and provide a thorough taxonomy
of existing methods. Afterwards, we analyze these methods in terms of their
mechanism and performance, and introduce popular evaluation metrics for them,
in which we also provide a detailed comparison among representative methods on
several public datasets. In the next part we introduce popular databases and
established platforms for retrosynthesis. Finally, this review concludes with a
discussion about promising research directions in this field.
- Abstract(参考訳): 再合成は有機化学の基盤であり、化学者が物質や医薬品の製造に不利用可能な新しい分子にアクセスできるようにする。
従来のルールベースあるいは専門家ベースのコンピュータ支援合成は、高い労働コストや検索スペースの制限など、明らかに制限がある。
近年、人工知能による劇的なブレークスルーがレトロシンセシスに革命をもたらした。
ここでは,AIに基づくレトロシンセシスの最近の進歩を概観する。
単段階および多段階のレトロシンセシスでは、まずその目標をリストアップし、既存の方法の完全な分類を提供する。
その後、これらの手法をメカニズムと性能の観点から分析し、一般的な評価指標を導入し、いくつかの公開データセットにおける代表手法の詳細な比較を行う。
次の段階では、人気のあるデータベースとレトロシンセシスのための確立されたプラットフォームを紹介します。
最後に、この分野で有望な研究の方向性に関する議論を締めくくった。
関連論文リスト
- An Autonomous Large Language Model Agent for Chemical Literature Data
Mining [60.85177362167166]
本稿では,幅広い化学文献から高忠実度抽出が可能なエンドツーエンドAIエージェントフレームワークを提案する。
本フレームワークの有効性は,反応条件データの精度,リコール,F1スコアを用いて評価する。
論文 参考訳(メタデータ) (2024-02-20T13:21:46Z) - Retrosynthesis prediction enhanced by in-silico reaction data
augmentation [66.5643280109899]
RetroWISEは,実データから推定されるベースモデルを用いて,シリコン内反応の生成と増大を行うフレームワークである。
3つのベンチマークデータセットで、RetroWISEは最先端モデルに対して最高の全体的なパフォーマンスを達成する。
論文 参考訳(メタデータ) (2024-01-31T07:40:37Z) - Re-evaluating Retrosynthesis Algorithms with Syntheseus [14.82497597573977]
本稿では,デフォルトでベストプラクティスを促進するSyntheseusというベンチマークライブラリを提案する。
評価を行った結果,最先端モデルのランク付けが変化していることが判明した。
論文 参考訳(メタデータ) (2023-10-30T17:59:04Z) - Models Matter: The Impact of Single-Step Retrosynthesis on Synthesis
Planning [0.8620335948752805]
再合成は、化学化合物を段階的に分子前駆体に分解する。
その2つの主要な研究方向、単段階の逆合成予測と多段階の合成計画は本質的に相互に絡み合っている。
単一ステップモデルを選択することで,合成計画の総合的な成功率を最大28%向上させることができることを示す。
論文 参考訳(メタデータ) (2023-08-10T12:04:47Z) - ContraNeRF: Generalizable Neural Radiance Fields for Synthetic-to-real
Novel View Synthesis via Contrastive Learning [102.46382882098847]
まず,合成から現実への新規な視点合成における合成データの影響について検討した。
本稿では,幾何制約を伴う多視点一貫した特徴を学習するために,幾何対応のコントラスト学習を導入することを提案する。
提案手法は,PSNR,SSIM,LPIPSの点で,既存の一般化可能な新規ビュー合成手法よりも高い画質で精細な画像を描画することができる。
論文 参考訳(メタデータ) (2023-03-20T12:06:14Z) - MechRetro is a chemical-mechanism-driven graph learning framework for
interpretable retrosynthesis prediction and pathway planning [10.364476820771607]
MechRetroは、再合成予測と経路計画を解釈可能なグラフ学習フレームワークである。
化学知識を先行情報として統合することにより,新しいグラフトランスアーキテクチャを設計する。
我々はMechRetroが、大規模なベンチマークデータセットに対して大きなマージンで、レトロシンセティック予測のための最先端のアプローチよりも優れていることを実証した。
論文 参考訳(メタデータ) (2022-10-06T01:27:53Z) - FusionRetro: Molecule Representation Fusion via In-Context Learning for
Retrosynthetic Planning [58.47265392465442]
再合成計画(Retrosynthetic Planning)は、開始物質から標的分子への完全な多段階合成経路を考案することを目的としている。
現在の戦略では、単一ステップの逆合成モデルと探索アルゴリズムの分離されたアプローチを採用している。
本稿では,文脈情報を利用した新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2022-09-30T08:44:58Z) - Retroformer: Pushing the Limits of Interpretable End-to-end
Retrosynthesis Transformer [15.722719721123054]
再合成予測は有機合成の基本的な課題の1つである。
本稿では,レトロシンセシス予測のためのトランスフォーマーに基づく新しいアーキテクチャであるRetroformerを提案する。
Retroformerは、エンドツーエンドのテンプレートフリーレトロシンセシスのための新しい最先端の精度に達する。
論文 参考訳(メタデータ) (2022-01-29T02:03:55Z) - 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) - Learning To Navigate The Synthetically Accessible Chemical Space Using
Reinforcement Learning [75.95376096628135]
ド・ノボ薬物設計のための強化学習(RL)を利用した新しい前方合成フレームワークを提案する。
このセットアップでは、エージェントは巨大な合成可能な化学空間をナビゲートする。
本研究は,合成可能な化学空間を根本的に拡張する上で,エンド・ツー・エンド・トレーニングが重要なパラダイムであることを示す。
論文 参考訳(メタデータ) (2020-04-26T21:40:03Z)
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。