論文の概要: SynBridge: Bridging Reaction States via Discrete Flow for Bidirectional Reaction Prediction
- arxiv url: http://arxiv.org/abs/2507.08475v1
- Date: Fri, 11 Jul 2025 10:35:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-14 18:03:54.325526
- Title: SynBridge: Bridging Reaction States via Discrete Flow for Bidirectional Reaction Prediction
- Title（参考訳）: SynBridge: 双方向反応予測のための離散流によるブリジング反応状態
- Authors: Haitao Lin, Junjie Wang, Zhifeng Gao, Xiaohong Ji, Rong Zhu, Linfeng Zhang, Guolin Ke, Weinan E,
- Abstract要約: 化学反応の本質は電子の再分配と再編成にある。
マルチタスク反応予測を実現するための双方向フローベース生成モデルであるSynBridgeを提案する。
- 参考スコア（独自算出の注目度）: 33.428877102021254
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The essence of a chemical reaction lies in the redistribution and reorganization of electrons, which is often manifested through electron transfer or the migration of electron pairs. These changes are inherently discrete and abrupt in the physical world, such as alterations in the charge states of atoms or the formation and breaking of chemical bonds. To model the transition of states, we propose SynBridge, a bidirectional flow-based generative model to achieve multi-task reaction prediction. By leveraging a graph-to-graph transformer network architecture and discrete flow bridges between any two discrete distributions, SynBridge captures bidirectional chemical transformations between graphs of reactants and products through the bonds' and atoms' discrete states. We further demonstrate the effectiveness of our method through extensive experiments on three benchmark datasets (USPTO-50K, USPTO-MIT, Pistachio), achieving state-of-the-art performance in both forward and retrosynthesis tasks. Our ablation studies and noise scheduling analysis reveal the benefits of structured diffusion over discrete spaces for reaction prediction.
- Abstract（参考訳）: 化学反応の本質は電子の再分配と再編成にあり、電子移動や電子対の移動によってしばしば現れる。
これらの変化は本質的には離散的であり、原子の電荷状態の変化や化学結合の形成や崩壊などの物理的世界で急激なものである。
状態の遷移をモデル化するために,多タスク反応予測を実現する双方向フローベース生成モデルであるSynBridgeを提案する。
グラフ-グラフ変換器ネットワークアーキテクチャと2つの離散分布間の離散フローブリッジを利用することで、SynBridgeは結合と原子の離散状態を介して反応物のグラフと生成物の間の双方向の化学変換をキャプチャする。
さらに,3つのベンチマークデータセット (USPTO-50K, USPTO-MIT, Pistachio) を用いた広範囲な実験により, 先行および後続の合成タスクにおける最先端性能を実現することにより, 本手法の有効性を実証した。
我々のアブレーション研究とノイズスケジューリング分析は、反応予測のための離散空間上の構造拡散の利点を明らかにする。
関連論文リスト
- GDiffRetro: Retrosynthesis Prediction with Dual Graph Enhanced Molecular Representation and Diffusion Generation [12.425816520496697]
再合成予測は、標的生成物に作用する反応物質を同定することに焦点を当てる。
GDiffRetroは、元のグラフと対応する二重グラフを統合し、分子構造を表現する。
反応生成のために、GDiffRetroは3次元の条件拡散モデルを使用し、得られたシンソンを完全な反応物質に変換する。
論文 参考訳（メタデータ） (2025-01-14T10:44:38Z) - Electron-Electron Interactions in Device Simulation via Non-equilibrium Green's Functions and the GW Approximation [71.63026504030766]
電子-電子(e-e)相互作用は、量子輸送シミュレーションに明示的に組み込まれなければならない。
この研究は、非平衡条件下でのナノデバイスの大規模原子論的量子輸送シミュレーションを報告した最初のものである。
論文 参考訳（メタデータ） (2024-12-17T15:05:33Z) - Electrostatic forces from reactive molecular orbitals driving chemical reactions [0.0]
本研究は化学反応を理解するための物理ベースの枠組みを提供する。
静電気力は軌道エネルギーの負の勾配によって支配されていることを示す。
この研究は、軌道エネルギーの変動と核運動を結びつけることによって、電子構造と反応機構の相互作用を理解するための堅牢な枠組みを確立する。
論文 参考訳（メタデータ） (2024-12-16T01:23:59Z) - Learning Chemical Reaction Representation with Reactant-Product Alignment [50.28123475356234]
RAlignは、様々な有機反応関連タスクのための新しい化学反応表現学習モデルである。
反応物質と生成物との原子対応を統合することにより、反応中に起こる分子変換を識別する。
モデルが重要な機能群に集中できるように,反応中心認識型アテンション機構を導入する。
論文 参考訳（メタデータ） (2024-11-26T17:41:44Z) - A Roadmap for Simulating Chemical Dynamics on a Parametrically Driven Bosonic Quantum Device [32.65699367892846]
ボソニック超伝導Kerr-catデバイスを用いた反応力学シミュレーションの実現可能性について検討した。
このアプローチは、二重井戸自由エネルギープロファイルを定義するパラメータを制御し、温度や反応座標と非反応性自由度の熱浴との間の結合強度などの外部要因を制御できる。
論文 参考訳（メタデータ） (2024-09-19T22:43:08Z) - Measurement-Induced Transmon Ionization [69.65384453064829]
トランスモンイオン化の起源の物理像を提供する包括的枠組みを開発する。
この枠組みは、トランスモンイオン化に関与する多光子共鳴を同定する。
また、イオン化のための光子数閾値の数値推定を効率的に計算することができる。
論文 参考訳（メタデータ） (2024-02-09T18:46:50Z) - Beyond the Typical: Modeling Rare Plausible Patterns in Chemical Reactions by Leveraging Sequential Mixture-of-Experts [42.9784548283531]
TransformerやVAEのような生成モデルは一般的に反応生成物を予測するために使用される。
反応物と電子再分配パターンのマッピング空間を分割・分散的に整理することを提案する。
論文 参考訳（メタデータ） (2023-10-07T03:18:26Z) - Doubly Stochastic Graph-based Non-autoregressive Reaction Prediction [59.41636061300571]
電子再分配予測を得るために2つの二重自己アテンションマッピングを組み合わせた新しいフレームワークを提案する。
提案手法は,非自己回帰モデルの予測性能を常に向上することを示す。
論文 参考訳（メタデータ） (2023-06-05T14:15:39Z) - Non-Autoregressive Electron Redistribution Modeling for Reaction
Prediction [26.007965383304864]
反応を1ショットで予測する非自己回帰学習パラダイムを考案する。
任意の電子フローとして反応を定式化し、新しいマルチポインター復号ネットワークで予測する。
USPTO-MITデータセットの実験により、我々の手法は最先端のトップ1の精度を確立した。
論文 参考訳（メタデータ） (2021-06-08T16:39:08Z) - 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。