論文の概要: RETRO SYNFLOW: Discrete Flow Matching for Accurate and Diverse Single-Step Retrosynthesis

• arxiv url: http://arxiv.org/abs/2506.04439v1
• Date: Wed, 04 Jun 2025 20:46:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-06 21:53:49.420739
• Title: RETRO SYNFLOW: Discrete Flow Matching for Accurate and Diverse Single-Step Retrosynthesis
• Title（参考訳）: RETRO SynFLOW: 高精度・多段単段再合成のための離散フローマッチング
• Authors: Robin Yadav, Qi Yan, Guy Wolf, Avishek Joey Bose, Renjie Liao,
• Abstract要約: 単段階逆合成計画をモデル化し、離散フローマッチングフレームワークRETRO SynFLOW(RSF)を導入する。 我々は、シークエンシャルモンテカルロをベースとしたFeynman-Kacステアリングを用いて、推論時に有望な世代をステアリングする。
• 参考スコア（独自算出の注目度）: 23.422202032748924
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: A fundamental problem in organic chemistry is identifying and predicting the series of reactions that synthesize a desired target product molecule. Due to the combinatorial nature of the chemical search space, single-step reactant prediction -- i.e. single-step retrosynthesis -- remains challenging even for existing state-of-the-art template-free generative approaches to produce an accurate yet diverse set of feasible reactions. In this paper, we model single-step retrosynthesis planning and introduce RETRO SYNFLOW (RSF) a discrete flow-matching framework that builds a Markov bridge between the prescribed target product molecule and the reactant molecule. In contrast to past approaches, RSF employs a reaction center identification step to produce intermediate structures known as synthons as a more informative source distribution for the discrete flow. To further enhance diversity and feasibility of generated samples, we employ Feynman-Kac steering with Sequential Monte Carlo based resampling to steer promising generations at inference using a new reward oracle that relies on a forward-synthesis model. Empirically, we demonstrate \nameshort achieves $60.0 \%$ top-1 accuracy, which outperforms the previous SOTA by $20 \%$. We also substantiate the benefits of steering at inference and demonstrate that FK-steering improves top-$5$ round-trip accuracy by $19 \%$ over prior template-free SOTA methods, all while preserving competitive top-$k$ accuracy results.
• Abstract（参考訳）: 有機化学における根本的な問題は、目的とする生成分子を合成する一連の反応を特定し予測することである。 化学探索空間の組合せの性質のため、単一ステップの反応予測、すなわち単一ステップの逆合成は、既存の最先端のテンプレートのない生成アプローチでさえも、正確で多様な実行可能な反応を生成するために難しいままである。 本稿では, 単段階再合成計画をモデル化し, 所定生成物分子と反応分子とのマルコフブリッジを構築する離散フローマッチングフレームワークRETRO SYNFLOW(RSF)を導入する。 過去のアプローチとは対照的に、RCFは反応中心同定ステップを用いて、離散フローのより情報的なソース分布としてシンソンとして知られる中間構造を生成する。 生成したサンプルの多様性と実現可能性をさらに高めるため,Fynman-Kac ステアリングとSequential Monte Carlo をベースとしたステアリングを用いて,前向き合成モデルに依存する新たな報酬オラクルを用いて,予測時に有望な世代をステアリングする。 経験的に、 \nameshort は 60.0 \%$ top-1 の精度を達成しており、これは以前の SOTA を 20 \%$ で上回っている。 また,従来のテンプレートフリーSOTA法に比べて,FKステアリングが5ドル以上のラウンドトリップ精度を19ドル%向上することを示した。

関連論文リスト

• DiffER: Categorical Diffusion for Chemical Retrosynthesis [4.8757706070066265]
  DiffERは、カテゴリー拡散の形での逆合成予測のための代替的なテンプレートフリーな手法である。 本研究では,トップ1の精度とトップ3,トップ5,トップ10の精度の競争性能を実現する拡散モデルのアンサンブルを構築する。
  論文  参考訳（メタデータ） (2025-05-29T17:53:37Z)
• 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)
• RetroGFN: Diverse and Feasible Retrosynthesis using GFlowNets [8.308430428140413]
  単段階の逆合成は、標的分子の生成につながる一連の反応を予測することを目的としている。 本稿では,限られたデータセットの外部を探索し,多様な実行可能な反応を返却できる新しいモデルRetroGFNを提案する。 RetroGFNは,既存のラウンドトリップ精度の手法よりも高い性能を保ちながら,標準的なトップk精度で競合する結果が得られることを示す。
  論文  参考訳（メタデータ） (2024-06-26T20:10:03Z)
• UAlign: Pushing the Limit of Template-free Retrosynthesis Prediction with Unsupervised SMILES Alignment [51.49238426241974]
  本稿では,テンプレートのないグラフ・ツー・シーケンスパイプラインであるUAlignを紹介した。 グラフニューラルネットワークとトランスフォーマーを組み合わせることで、分子固有のグラフ構造をより効果的に活用することができる。
  論文  参考訳（メタデータ） (2024-03-25T03:23:03Z)
• RetroBridge: Modeling Retrosynthesis with Markov Bridges [2.256703675017117]
  再合成計画は、市販の開始物質から標的分子への反応経路を設計することを目的としている。 本稿では,2つの離散分布間の依存性を近似する生成フレームワークであるマルコフブリッジモデルを紹介する。 次に, 新たなフレームワークでレトロシンセシス計画問題に対処し, テンプレートレスレトロシンセシスモデリング手法RetroBridgeを導入する。
  論文  参考訳（メタデータ） (2023-08-30T15:09:22Z)
• 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)
• 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。