論文の概要: Trustworthy Retrosynthesis: Eliminating Hallucinations with a Diverse Ensemble of Reaction Scorers
- arxiv url: http://arxiv.org/abs/2510.10645v2
- Date: Wed, 15 Oct 2025 15:58:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-16 13:11:49.467496
- Title: Trustworthy Retrosynthesis: Eliminating Hallucinations with a Diverse Ensemble of Reaction Scorers
- Title（参考訳）: 信頼できる再合成:反応スコラーの多角的アンサンブルによる幻覚の除去
- Authors: Michal Sadowski, Tadija Radusinović, Maria Wyrzykowska, Lukasz Sztukiewicz, Jan Rzymkowski, Paweł Włodarczyk-Pruszyński, Mikołaj Sacha, Piotr Kozakowski, Ruard van Workum, Stanislaw Kamil Jastrzebski,
- Abstract要約: RetroTrim(レトロトリム)は、薬物様標的の非感覚的計画を回避するリトロシンセサイザーシステムである。
我々のシステムは、幻覚反応をフィルターするのに成功する唯一の方法であるだけでなく、全体的な高品質な経路の最大数にも繋がる。
- 参考スコア（独自算出の注目度）: 1.3831711904009911
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Retrosynthesis is one of the domains transformed by the rise of generative models, and it is one where the problem of nonsensical or erroneous outputs (hallucinations) is particularly insidious: reliable assessment of synthetic plans is time-consuming, with automatic methods lacking. In this work, we present RetroTrim, a retrosynthesis system that successfully avoids nonsensical plans on a set of challenging drug-like targets. Compared to common baselines in the field, our system is not only the sole method that succeeds in filtering out hallucinated reactions, but it also results in the highest number of high-quality paths overall. The key insight behind RetroTrim is the combination of diverse reaction scoring strategies, based on machine learning models and existing chemical databases. We show that our scoring strategies capture different classes of hallucinations by analyzing them on a dataset of labeled retrosynthetic intermediates. This approach formed the basis of our winning solution to the Standard Industries \$1 million Retrosynthesis Challenge. To measure the performance of retrosynthesis systems, we propose a novel evaluation protocol for reactions and synthetic paths based on a structured review by expert chemists. Using this protocol, we compare systems on a set of 32 novel targets, curated to reflect recent trends in drug structures. While the insights behind our methodology are broadly applicable to retrosynthesis, our focus is on targets in the drug-like domain. By releasing our benchmark targets and the details of our evaluation protocol, we hope to inspire further research into reliable retrosynthesis.
- Abstract（参考訳）: 再合成は生成モデルの台頭によって変化した領域の1つであり、非感覚的あるいは誤った出力(幻覚)の問題が特に深刻である。
本研究では, 薬物様標的の非感覚的計画を回避するためのレトロ合成システムであるRetroTrimを提案する。
この分野の一般的なベースラインと比較すると,本システムは幻覚反応のフィルタリングに成功している唯一の方法であるばかりでなく,全体としても高品質な経路が最多となる。
RetroTrimの背後にある重要な洞察は、機械学習モデルと既存の化学データベースに基づく多様な反応評価戦略の組み合わせである。
評価戦略は,ラベル付きレトロシンセティック中間体のデータセット上で解析することにより,異なる種類の幻覚を捉えていることを示す。
このアプローチは、Standard Industries \$100M(100万ドル)のレトロシンセシスチャレンジに勝利したソリューションの基礎を形成しました。
逆合成システムの性能を評価するため, 専門家による構造的レビューに基づいて, 反応経路と合成経路の新たな評価プロトコルを提案する。
このプロトコルを用いて、薬物構造の最新動向を反映した32の新規ターゲットのシステムを比較する。
我々の方法論の背後にある洞察は、レトロシンセシスに広く適用されているが、我々の焦点は薬物のような領域の標的に焦点を当てている。
ベンチマークターゲットと評価プロトコルの詳細を公開することによって、信頼性の高い再合成に関するさらなる研究を促したいと考えています。
関連論文リスト
- Retro-Rank-In: A Ranking-Based Approach for Inorganic Materials Synthesis Planning [1.3676986541298586]
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。
論文 参考訳（メタデータ） (2025-02-06T18:34:37Z) - Chemist-aligned retrosynthesis by ensembling diverse inductive bias models [5.47805641978534]
RetroChimeraは、相補的誘導バイアスを持つ2つの新たに開発されたコンポーネント上に構築されたフロンティア再合成モデルである。
トレーニングデータの外部で堅牢性を実証し、主要なモデルを大きなマージンで上回ります。
また、大手製薬会社から内部データセットへのゼロショット転送を実証する。
論文 参考訳（メタデータ） (2024-12-06T18:55:19Z) - 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) - Re-evaluating Retrosynthesis Algorithms with Syntheseus [13.384695742156152]
本稿では,Syntheseusと呼ばれる広範なベンチマークフレームワークを備えた合成計画ライブラリを提案する。
我々は, 過去のレトロシンセシスアルゴリズムを再評価することにより, 合成能力を示す。
この領域における今後の作業に関するガイダンスを最後に、コミュニティに合成計画のベンチマークを改善する方法についての議論を呼びかけます。
論文 参考訳（メタデータ） (2023-10-30T17:59:04Z) - Models Matter: The Impact of Single-Step Retrosynthesis on Synthesis
Planning [0.8620335948752805]
再合成は、化学化合物を段階的に分子前駆体に分解する。
その2つの主要な研究方向、単段階の逆合成予測と多段階の合成計画は本質的に相互に絡み合っている。
単一ステップモデルを選択することで,合成計画の総合的な成功率を最大28%向上させることができることを示す。
論文 参考訳（メタデータ） (2023-08-10T12:04:47Z) - 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) - 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) - 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) - 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。