論文の概要: Retro-Rank-In: A Ranking-Based Approach for Inorganic Materials Synthesis Planning

• arxiv url: http://arxiv.org/abs/2502.04289v2
• Date: Fri, 07 Feb 2025 19:23:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-11 10:46:14.766898
• Title: Retro-Rank-In: A Ranking-Based Approach for Inorganic Materials Synthesis Planning
• Title（参考訳）: Retro-Rank-In: 無機材料合成計画におけるランク付けに基づくアプローチ
• Authors: Thorben Prein, Elton Pan, Sami Haddouti, Marco Lorenz, Janik Jehkul, Tymoteusz Wilk, Cansu Moran, Menelaos Panagiotis Fotiadis, Artur P. Toshev, Elsa Olivetti, Jennifer L. M. Rupp,
• Abstract要約: 再合成は、より単純で容易に利用できる前駆体化合物から化学標的化合物の合成を戦略的に計画する。 Retro-Rank-Inは、標的材料と前駆物質を共有潜在空間に埋め込むことにより、レトロ合成問題を再構築する新しいフレームワークである。 我々はRetro-Rank-Inが新しい最先端、特にアウト・オブ・ディストリビューションの一般化と候補セットのランキングを定めていることを示す。
• 参考スコア（独自算出の注目度）: 1.3676986541298586
• License:
• Abstract: Retrosynthesis strategically plans the synthesis of a chemical target compound from simpler, readily available precursor compounds. This process is critical for synthesizing novel inorganic materials, yet traditional methods in inorganic chemistry continue to rely on trial-and-error experimentation. Emerging machine-learning approaches struggle to generalize to entirely new reactions due to their reliance on known precursors, as they frame retrosynthesis as a multi-label classification task. To address these limitations, we propose Retro-Rank-In, a novel framework that reformulates the retrosynthesis problem by embedding target and precursor materials into a shared latent space and learning a pairwise ranker on a bipartite graph of inorganic compounds. We evaluate Retro-Rank-In's generalizability on challenging retrosynthesis dataset splits designed to mitigate data duplicates and overlaps. For instance, for Cr2AlB2, it correctly predicts the verified precursor pair CrB + Al despite never seeing them in training, a capability absent in prior work. Extensive experiments show that Retro-Rank-In sets a new state-of-the-art, particularly in out-of-distribution generalization and candidate set ranking, offering a powerful tool for accelerating inorganic material synthesis.
• Abstract（参考訳）: 再合成は、より単純で容易に利用できる前駆体化合物から化学標的化合物の合成を戦略的に計画する。 このプロセスは新規な無機物質を合成するのに重要であるが、従来の無機化学の手法は試行錯誤実験に依存し続けている。 新たな機械学習アプローチは、既知の前駆体に依存しているため、全く新しい反応を一般化するのに苦労する。 これらの制約に対処するため, 無機化合物の2部グラフ上で, ターゲット材料と前駆体材料を共有潜在空間に埋め込むことで, 再合成問題を再構築する新しいフレームワークRetro-Rank-Inを提案する。 Retro-Rank-In's generalizability on challenge retro synthesis dataset splits designed to reduce data copys and overlaps。 例えば、Cr2AlB2 の場合、訓練中に見ていないにもかかわらず、検証済みの前駆体 CrB + Al を正確に予測する。 広範囲にわたる実験により、Retro-Rank-Inは、特に分布外一般化と候補集合ランキングにおいて、新しい最先端を定め、無機物質合成を加速するための強力なツールを提供する。

関連論文リスト

• Retrieval-Retro: Retrieval-based Inorganic Retrosynthesis with Expert Knowledge [25.234422666357947]
  本稿では, 参照材料の前駆体情報を暗黙的に抽出する無機レトロ合成計画のためのRetrieval-Retroを提案する。 検索において,対象物質と前駆体との熱力学的関係を考察する。 Retrieval-Retroのレトロ合成計画における優位性、特に新規合成レシピの発見について実験を行った。
  論文  参考訳（メタデータ） (2024-10-28T04:37:08Z)
• 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)
• 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)
• 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)
• 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)
• MARS: A Motif-based Autoregressive Model for Retrosynthesis Prediction [54.75583184356392]
  本稿では,レトロシンセシス予測のための新しいエンドツーエンドグラフ生成モデルを提案する。 反応中心を逐次同定し、合成子を生成し、合成子にモチーフを加えて反応子を生成する。 ベンチマークデータセットの実験では、提案されたモデルが従来の最先端のアルゴリズムを大幅に上回っていることが示されている。
  論文  参考訳（メタデータ） (2022-09-27T06:29:35Z)
• 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)
• 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)

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。