論文の概要: Re-evaluating Retrosynthesis Algorithms with Syntheseus
- arxiv url: http://arxiv.org/abs/2310.19796v3
- Date: Fri, 6 Sep 2024 17:55:53 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-09 20:53:23.506461
- Title: Re-evaluating Retrosynthesis Algorithms with Syntheseus
- Title(参考訳): 合成を用いた再合成アルゴリズムの再評価
- Authors: Krzysztof Maziarz, Austin Tripp, Guoqing Liu, Megan Stanley, Shufang Xie, Piotr Gaiński, Philipp Seidl, Marwin Segler,
- Abstract要約: 本稿では,Syntheseusと呼ばれる広範なベンチマークフレームワークを備えた合成計画ライブラリを提案する。
我々は, 過去のレトロシンセシスアルゴリズムを再評価することにより, 合成能力を示す。
この領域における今後の作業に関するガイダンスを最後に、コミュニティに合成計画のベンチマークを改善する方法についての議論を呼びかけます。
- 参考スコア(独自算出の注目度): 13.384695742156152
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automated Synthesis Planning has recently re-emerged as a research area at the intersection of chemistry and machine learning. Despite the appearance of steady progress, we argue that imperfect benchmarks and inconsistent comparisons mask systematic shortcomings of existing techniques, and unnecessarily hamper progress. To remedy this, we present a synthesis planning library with an extensive benchmarking framework, called syntheseus, which promotes best practice by default, enabling consistent meaningful evaluation of single-step models and multi-step planning algorithms. We demonstrate the capabilities of syntheseus by re-evaluating several previous retrosynthesis algorithms, and find that the ranking of state-of-the-art models changes in controlled evaluation experiments. We end with guidance for future works in this area, and call the community to engage in the discussion on how to improve benchmarks for synthesis planning.
- Abstract(参考訳): 自動合成計画(Automated Synthesis Planning)は、最近、化学と機械学習の交差する研究領域として再登場した。
着実な進歩の出現にもかかわらず、不完全なベンチマークと矛盾した比較は既存の技術の体系的な欠点を隠蔽し、必然的に進歩を妨げていると論じる。
そこで本稿では,Syntheseusと呼ばれる広範囲なベンチマークフレームワークを備えた合成計画ライブラリを提案する。
本研究では, 過去のレトロシンセシスアルゴリズムを再評価することにより, 合成の能力を実証し, 制御された評価実験において, 最先端モデルのランキングが変化することを示した。
この領域における今後の作業に関するガイダンスを最後に、コミュニティに合成計画のベンチマークを改善する方法についての議論を呼びかけます。
関連論文リスト
- 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) - SynthesizRR: Generating Diverse Datasets with Retrieval Augmentation [55.2480439325792]
トピック分類,感情分析,トーン検出,ユーモアの6つのデータセットの合成について検討した。
その結果,SynthesizRRは語彙や意味の多様性,人文との類似性,蒸留性能を大幅に向上させることがわかった。
論文 参考訳(メタデータ) (2024-05-16T12:22:41Z) - Systematic Assessment of Tabular Data Synthesis Algorithms [9.08530697055844]
データ合成アルゴリズムを評価するための体系的評価フレームワークを提案する。
それらの制限に対処するために、フィリティ、プライバシ、ユーティリティの観点から、一連の新しいメトリクスを導入します。
また,提案手法に基づいて,合成データの質を継続的に向上する,チューニングのための統一的な目標も考案した。
論文 参考訳(メタデータ) (2024-02-09T22:07:59Z) - 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) - Recent advances in artificial intelligence for retrosynthesis [29.32667622776065]
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。
論文 参考訳(メタデータ) (2023-01-14T09:29:39Z) - 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) - 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) - 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。