論文の概要: ASKCOS: an open source software suite for synthesis planning

• arxiv url: http://arxiv.org/abs/2501.01835v1
• Date: Fri, 03 Jan 2025 14:38:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-06 15:11:46.257262
• Title: ASKCOS: an open source software suite for synthesis planning
• Title（参考訳）: ASKCOS: 合成計画のためのオープンソースソフトウェアスイート
• Authors: Zhengkai Tu, Sourabh J. Choure, Mun Hong Fong, Jihye Roh, Itai Levin, Kevin Yu, Joonyoung F. Joung, Nathan Morgan, Shih-Cheng Li, Xiaoqi Sun, Huiqian Lin, Mark Murnin, Jordan P. Liles, Thomas J. Struble, Michael E. Fortunato, Mengjie Liu, William H. Green, Klavs F. Jensen, Connor W. Coley,
• Abstract要約: 合成計画のためのオープンソースソフトウェアスイートであるASKCOSの最新バージョンについて詳述する。 4つの1段階のレトロシンセシスモデルが、対話型計画モードと自動計画モードの両方の基礎を形成している。 ASKCOSのようなCASPツールは、現代の化学研究の重要な部分であると考えています。
• 参考スコア（独自算出の注目度）: 7.245299433003954
• License:
• Abstract: The advancement of machine learning and the availability of large-scale reaction datasets have accelerated the development of data-driven models for computer-aided synthesis planning (CASP) in the past decade. Here, we detail the newest version of ASKCOS, an open source software suite for synthesis planning that makes available several research advances in a freely available, practical tool. Four one-step retrosynthesis models form the basis of both interactive planning and automatic planning modes. Retrosynthetic planning is complemented by other modules for feasibility assessment and pathway evaluation, including reaction condition recommendation, reaction outcome prediction, and auxiliary capabilities such as solubility prediction and quantum mechanical descriptor prediction. ASKCOS has assisted hundreds of medicinal, synthetic, and process chemists in their day-to-day tasks, complementing expert decision making. It is our belief that CASP tools like ASKCOS are an important part of modern chemistry research, and that they offer ever-increasing utility and accessibility.
• Abstract（参考訳）: 機械学習の進歩と大規模な反応データセットの利用により、過去10年間にコンピュータ支援合成計画(CASP)のためのデータ駆動モデルの開発が加速された。 ここでは、合成計画のためのオープンソースのソフトウェアスイートであるASKCOSの最新バージョンについて詳述する。 4つの1段階のレトロシンセシスモデルが、対話型計画モードと自動計画モードの両方の基礎を形成している。 再合成計画は他のモジュールによって補完され、反応条件の推薦、反応結果の予測、溶解度予測や量子力学的記述子予測などの補助機能を含む、実行可能性の評価と経路評価を行う。 ASKCOSは、何百もの薬学、合成、プロセスの化学者を日々のタスクで支援し、専門家の意思決定を補完している。 ASKCOSのようなCASPツールは、現代の化学研究の重要な部分であり、実用性とアクセシビリティが継続的に向上している、というのが私たちの信念です。

関連論文リスト

• BatGPT-Chem: A Foundation Large Model For Retrosynthesis Prediction [65.93303145891628]
  BatGPT-Chemは150億のパラメータを持つ大規模な言語モデルであり、再合成予測の強化に最適化されている。 我々のモデルは幅広い化学知識を捉え、反応条件の正確な予測を可能にする。 この開発により、化学者は新しい化合物を十分に扱うことができ、医薬品製造と材料科学の革新サイクルを早める可能性がある。
  論文  参考訳（メタデータ） (2024-08-19T05:17:40Z)
• 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)
• 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)
• Chemist-X: Large Language Model-empowered Agent for Reaction Condition Recommendation in Chemical Synthesis [57.70772230913099]
  Chemist-Xは、検索増強生成(RAG)技術を用いた化学合成において、反応条件レコメンデーション(RCR)タスクを自動化する。 Chemist-Xはオンラインの分子データベースを尋問し、最新の文献データベースから重要なデータを蒸留する。 Chemist-Xは化学者の作業量を大幅に減らし、より根本的で創造的な問題に集中できるようにする。
  論文  参考訳（メタデータ） (2023-11-16T01:21:33Z)
• 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)
• SynKB: Semantic Search for Synthetic Procedures [9.360528362635215]
  本稿では,化学合成プロトコルの知識ベースをオープンソースとして自動抽出するSynKBを提案する。 Reaxsysのような独自の化学データベースと同様に、SynKBは化学者が合成手順に関する構造化された知識を検索できるようにする。
  論文  参考訳（メタデータ） (2022-08-15T18:33:16Z)
• Latent Execution for Neural Program Synthesis Beyond Domain-Specific Languages [97.58968222942173]
  入力出力の例からCプログラムを合成する第一歩を踏み出す。 特に,部分生成プログラムの実行を近似するために潜在表現を学習するLa Synthを提案する。 これらのプログラムのトレーニングにより,Karel と C のプログラム合成における予測性能がさらに向上することを示す。
  論文  参考訳（メタデータ） (2021-06-29T02:21:32Z)
• Toward Neural-Network-Guided Program Synthesis and Verification [26.706421573322952]
  ニューラルネットワーク誘導合成という,プログラムと不変合成の新しい枠組みを提案する。 まず、ニューラルネットワークの設計とトレーニングによって、訓練されたニューラルネットワークの重みとバイアスから整数上の論理式を抽出できることを示します。 この考え方に基づき、正負の例と含意制約から公式を合成するツールを実装した。
  論文  参考訳（メタデータ） (2021-03-17T03:09:05Z)
• 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)
• Predictive Synthesis of Quantum Materials by Probabilistic Reinforcement Learning [1.4680035572775534]
  本研究では, 半超電導単層MoS$_2$の量子材料に対する最適合成スケジュールの予測に強化学習を用いる。 このモデルは、多相ヘテロ構造を含む複雑な構造の合成のためのプロファイルを予測するために拡張することができる。
  論文  参考訳（メタデータ） (2020-09-14T20:50:45Z)

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。