論文の概要: Template-Free Retrosynthesis with Graph-Prior Augmented Transformers

• arxiv url: http://arxiv.org/abs/2512.10770v2
• Date: Mon, 15 Dec 2025 12:53:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 15:10:29.245666
• Title: Template-Free Retrosynthesis with Graph-Prior Augmented Transformers
• Title（参考訳）: Graph-Prior Augmented Transformerを用いたテンプレートフリー再合成
• Authors: Youjun Zhao,
• Abstract要約: 再合成反応予測は、与えられた生成物に対して可塑性反応分子を推測することを目的としている。 我々は手作りの反応テンプレートや追加の化学ルールエンジンを必要としないテンプレートフリーのトランスフォーマーベースのフレームワークを提案する。 本モデルでは,分子グラフ情報をアテンション機構に注入し,SMILES配列と構造的手がかりを併用する。
• 参考スコア（独自算出の注目度）: 2.538209532048867
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Retrosynthesis reaction prediction aims to infer plausible reactant molecules for a given product and is a important problem in computer-aided organic synthesis. Despite recent progress, many existing models still fall short of the accuracy and robustness required for practical deployment. In this paper, we present a template-free, Transformer-based framework that removes the need for handcrafted reaction templates or additional chemical rule engines. Our model injects molecular graph information into the attention mechanism to jointly exploit SMILES sequences and structural cues, and further applies a paired data augmentation strategy to enhance training diversity and scale. Extensive experiments on the USPTO-50K benchmark demonstrate that our approach achieves state-of-the-art performance among template-free methods and substantially outperforms a vanilla Transformer baseline.
• Abstract（参考訳）: 再合成反応予測は、与えられた生成物に対して可塑性反応分子を推定することを目的としており、コンピュータ支援有機合成において重要な問題である。 最近の進歩にもかかわらず、既存のモデルの多くは、実際の配備に必要な正確さと堅牢さに欠けています。 本稿では,手作りの反応テンプレートや追加の化学ルールエンジンの必要性を解消する,テンプレートフリーのトランスフォーマーベースのフレームワークを提案する。 本モデルは,SMILES配列と構造的手がかりを共同で活用するために,注意機構に分子グラフ情報を注入し,さらに,トレーニングの多様性と規模を高めるために,ペア化されたデータ拡張戦略を適用した。 USPTO-50Kベンチマークの大規模実験により,テンプレートフリー手法の最先端性能を実証し,バニラトランスフォーマーのベースラインを大幅に上回る結果を得た。

関連論文リスト

• A Transformer Model for Predicting Chemical Products from Generic SMARTS Templates with Data Augmentation [9.031561779530126]
  この研究は、SMARTSで書かれた20の一般的な反応テンプレートを含む集合であるBroad Reaction Set (BRS)を提案する。 また、SMARTS反応テンプレートを直接処理および適用できるT5ベースのモデルであるProPreT5を紹介する。
  論文  参考訳（メタデータ） (2025-03-04T10:18:32Z)
• 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)
• 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)
• Molecule-Edit Templates for Efficient and Accurate Retrosynthesis Prediction [0.16070833439280313]
  最小限のテンプレートを用いて反応を予測する機械学習モデルMETROを紹介する。 標準ベンチマークで最先端の結果を得る。
  論文  参考訳（メタデータ） (2023-10-11T09:00:02Z)
• Retrieval-based Controllable Molecule Generation [63.44583084888342]
  制御可能な分子生成のための検索に基づく新しいフレームワークを提案する。 我々は、与えられた設計基準を満たす分子の合成に向けて、事前学習された生成モデルを操るために、分子の小さなセットを使用します。 提案手法は生成モデルの選択に非依存であり,タスク固有の微調整は不要である。
  論文  参考訳（メタデータ） (2022-08-23T17:01:16Z)
• Permutation invariant graph-to-sequence model for template-free retrosynthesis and reaction prediction [2.5655440962401617]
  本稿では,テキスト生成のためのトランスフォーマーモデルのパワーと,分子グラフエンコーダの置換不変性を組み合わせた新しいGraph2SMILESモデルについて述べる。 エンドツーエンドアーキテクチャとして、Graph2SMILESは、分子から分子への変換を含むあらゆるタスクにおいて、Transformerのドロップイン置換として使用できる。
  論文  参考訳（メタデータ） (2021-10-19T01:23:15Z)
• Learning Graph Models for Retrosynthesis Prediction [90.15523831087269]
  再合成予測は有機合成の基本的な問題である。 本稿では,前駆体分子のグラフトポロジーが化学反応中にほとんど変化しないという考え方を生かしたグラフベースのアプローチを提案する。 提案モデルでは,テンプレートフリーおよび半テンプレートベースの手法よりも高い5,3.7%の精度でトップ1の精度を実現している。
  論文  参考訳（メタデータ） (2020-06-12T09:40:42Z)
• 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。