論文の概要: Tango*: Constrained synthesis planning using chemically informed value functions

• arxiv url: http://arxiv.org/abs/2412.03424v1
• Date: Wed, 04 Dec 2024 16:14:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-05 15:07:19.425691
• Title: Tango*: Constrained synthesis planning using chemically informed value functions
• Title（参考訳）: Tango*: 化学情報を用いた制約付き合成計画
• Authors: Daniel Armstrong, Zlatko Joncev, Jeff Guo, Philippe Schwaller,
• Abstract要約: 本稿では,教材制約による合成計画問題の解法を実現するための簡単なガイド付き探索手法を提案する。 Tango* のコスト関数は,双方向 DESP 手法の強い改善を触媒する。 提案手法は,経路品質の共通指標である類似長さの合成経路を提案しながら,壁面時計の時間短縮を実現する。
• 参考スコア（独自算出の注目度）: 1.6787839854263589
• License:
• Abstract: Computer-aided synthesis planning (CASP) has made significant strides in generating retrosynthetic pathways for simple molecules in a non-constrained fashion. Recent work introduces a specialised bidirectional search algorithm with forward and retro expansion to address the starting material-constrained synthesis problem, allowing CASP systems to provide synthesis pathways from specified starting materials, such as waste products or renewable feed-stocks. In this work, we introduce a simple guided search which allows solving the starting material-constrained synthesis planning problem using an existing, uni-directional search algorithm, Retro*. We show that by optimising a single hyperparameter, Tango* outperforms existing methods in terms of efficiency and solve rate. We find the Tango* cost function catalyses strong improvements for the bidirectional DESP methods. Our method also achieves lower wall clock times while proposing synthetic routes of similar length, a common metric for route quality. Finally, we highlight potential reasons for the strong performance of Tango over neural guided search methods
• Abstract（参考訳）: コンピュータ支援合成計画(CASP)は、単純な分子の逆合成経路を非拘束的に生成する上で大きな進歩を遂げている。 近年の研究では, 廃棄物や再生可能燃料などの特定の出発物質からの合成経路をCASPシステムで提供し, 開始物質制約による合成問題に対処するために, 前方および後方展開を施した特殊二方向探索アルゴリズムを導入している。 本研究では,既存の一方向探索アルゴリズムRetro*を用いて,素材制約付き合成計画問題の解法を提案する。 一つのハイパーパラメータを最適化することで、Tango*は効率と解法率の点で既存の手法より優れていることを示す。 Tango* のコスト関数は,双方向 DESP 手法の強い改善を触媒する。 また, 経路品質の共通指標である, 類似長さの合成経路を提案しながら, 壁面のクロック時間を低くする手法を提案する。 最後に,ニューラルネットワーク探索法におけるTangoの性能向上の可能性を強調した。

関連論文リスト

• Double-Ended Synthesis Planning with Goal-Constrained Bidirectional Search [27.09693306892583]
  材料制約を始点とする合成計画の定式化について述べる。 本稿では,双方向グラフ探索方式に基づく新しいCASPアルゴリズムであるDouble-Ended Synthesis Planning (DESP)を提案する。 DESPは既存のワンステップ逆合成モデルを利用することができ、これらのワンステップモデルの性能が向上するにつれて、その性能が拡大すると予想する。
  論文  参考訳（メタデータ） (2024-07-08T18:56:00Z)
• Retrieval-Guided Reinforcement Learning for Boolean Circuit Minimization [23.075466444266528]
  本研究は論理合成のための学習と探索技術について徹底的に検討する。 ABC-RLは、検索プロセス中に事前学習したエージェントからのレコメンデーションを順応的に調整する、巧妙に調整された$alpha$パラメータである。 その結果, 合成回路のQoR(Quality-of-result)は, 最先端技術と比較して最大24.8%向上した。
  論文  参考訳（メタデータ） (2024-01-22T18:46:30Z)
• Evolutionary Retrosynthetic Route Planning [8.19851864095418]
  本稿では,進化的最適化に基づく再合成経路計画法を提案する。 進化的アルゴリズム(EA)は、多段階の逆合成の分野で初めて使われる。
  論文  参考訳（メタデータ） (2023-10-08T14:47:41Z)
• INVICTUS: Optimizing Boolean Logic Circuit Synthesis via Synergistic Learning and Search [18.558280701880136]
  最先端論理合成アルゴリズムは、多数の論理最小化を持つ。 INVICTUSは、以前に見られた設計のトレーニングデータセットに基づいて、論理最小化のシーケンスを生成する。
  論文  参考訳（メタデータ） (2023-05-22T15:50:42Z)
• Entropic Neural Optimal Transport via Diffusion Processes [105.34822201378763]
  本稿では,連続確率分布間のエントロピー最適輸送(EOT)計画を計算するための新しいアルゴリズムを提案する。 提案アルゴリズムは,シュリンガーブリッジ問題(Schr"odinger Bridge problem)として知られるEOTの動的バージョンのサドル点再構成に基づく。 大規模EOTの従来の手法とは対照的に,我々のアルゴリズムはエンドツーエンドであり,単一の学習ステップで構成されている。
  論文  参考訳（メタデータ） (2022-11-02T14:35:13Z)
• 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)
• Activation Relaxation: A Local Dynamical Approximation to Backpropagation in the Brain [62.997667081978825]
  活性化緩和(AR)は、バックプロパゲーション勾配を力学系の平衡点として構成することで動機付けられる。 我々のアルゴリズムは、正しいバックプロパゲーション勾配に迅速かつ堅牢に収束し、単一のタイプの計算単位しか必要とせず、任意の計算グラフで操作できる。
  論文  参考訳（メタデータ） (2020-09-11T11:56:34Z)
• BUSTLE: Bottom-Up Program Synthesis Through Learning-Guided Exploration [72.88493072196094]
  プログラムのボトムアップ検索に学習を活用する新しい合成手法を提案する。 特に、入力出力例のセットに基づいて、探索条件中の中間値の合成を優先順位付けするようにモデルを訓練する。 単純な教師付き学習アプローチであっても,学習とボトムアップ検索の組み合わせは極めて効果的であることを示す。
  論文  参考訳（メタデータ） (2020-07-28T17:46:18Z)
• 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)
• Recent Developments Combining Ensemble Smoother and Deep Generative Networks for Facies History Matching [58.720142291102135]
  本研究は、ファシズムモデルのための連続パラメータ化を構築するためのオートエンコーダネットワークの利用に焦点を当てる。 本稿では,VAE,GAN,Wasserstein GAN,変分自動符号化GAN,サイクルGANの主成分分析(PCA),転送スタイルネットワークのPCA,スタイル損失のVAEの7種類の定式化をベンチマークする。
  論文  参考訳（メタデータ） (2020-05-08T21:32:42Z)

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。