論文の概要: From Feasible to Practical: Pareto-Optimal Synthesis Planning

• arxiv url: http://arxiv.org/abs/2605.07521v1
• Date: Fri, 08 May 2026 09:53:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:38.977736
• Title: From Feasible to Practical: Pareto-Optimal Synthesis Planning
• Title（参考訳）: 実現可能性から実践へ:パレート最適合成計画
• Authors: Friedrich Hastedt, Dongda Zhang, Antonio del Rio Chanona,
• Abstract要約: 現在のコンピュータ支援合成計画法では、1つの実現可能な経路が特定されると、レトロ合成が解決されることが多い。 この考え方は、化学者がコスト、持続可能性、毒性、全体的な収量といった競合する目標をバランスさせなければならない現実世界の実践と誤解している。 ユーザ定義基準間のトレードオフを明示的に捉えるために,経路のParetoフロントを生成するアルゴリズムであるMORetro*を導入する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current computer-aided synthesis planning (CASP) methods often treat retrosynthesis as solved once a single feasible route is identified, focusing primarily on convergence or shortest-path metrics. This view is misaligned with real-world practice, where chemists must balance competing objectives such as cost, sustainability, toxicity, and overall yield. To address this, we formulate synthesis planning as a multi-objective search problem and introduce MORetro*, an algorithm that generates a Pareto front of synthesis routes to explicitly capture trade-offs among user-defined criteria. MORetro* uses weighted scalarization and BO-informed sampling to efficiently navigate the combinatorial search space and prioritize promising trade-offs. Building on multi-objective A*-search, we provide optimality guarantees showing that, for a fixed single-step model, MORetro* recovers the true Pareto front. Across multiple retrosynthesis benchmarks, MORetro* produces diverse, high-quality Pareto fronts, uncovering solutions overlooked by single-objective approaches and better aligning CASP outputs with industrial decision-making.
• Abstract（参考訳）: 現在のコンピュータ支援合成計画法(CASP)は、単一の実現可能な経路が特定されたときに解決されたレトロ合成を主に収束または最短パスのメトリクスに焦点をあてることが多い。 この考え方は、化学者がコスト、持続可能性、毒性、全体的な収量といった競合する目標をバランスさせなければならない現実世界の実践と誤解している。 そこで我々は,合成計画を多目的探索問題として定式化し,合成経路のパレートフロントを生成するアルゴリズムMORetro*を導入し,ユーザ定義基準間のトレードオフを明確に把握する。 MORetro*は、重み付きスカラー化とBOインフォームドサンプリングを使用して、組合せ探索空間を効率的にナビゲートし、有望なトレードオフを優先する。 多目的 A*-search に基づいて、固定された単一ステップモデルに対してMORetro* が真の Pareto フロントを復元することを示す最適性保証を提供する。 複数のレトロシンセサイザーベンチマークを通じて、MORetro*は多種多様な高品質なパレートフロントを生成し、単一目的のアプローチによって見落とされ、CASP出力と工業的意思決定との整合性が良くなるソリューションを明らかにする。

関連論文リスト

• Interaction-Grounded Learning for Contextual Markov Decision Processes with Personalized Feedback [59.287761696290865]
  本稿では,個人化されたフィードバックを伴って,文脈的マルコフ決定プロセス(MDP)のサブ線形後悔保証を実現する計算効率の高いアルゴリズムを提案する。 提案手法の有効性を,合成エピソードMDPと実世界のユーザ予約データセットの両方を用いた実験を通じて,マルチターンインタラクションからパーソナライズされた目的を学習する際の有効性を示す。
  論文  参考訳（メタデータ） (2026-02-09T06:29:54Z)
• Parametric Expensive Multi-Objective Optimization via Generative Solution Modeling [34.344228998247225]
  本稿では,この逆モデルについて,獲得駆動探索モデルと生成モデルとの交互に学習した最初のパラメトリック多目的ベイズモデルを提案する。 我々はタスク対応ガウス過程を通じてタスク間シナジーを活用することにより、より高速な収束を理論的に正当化する。
  論文  参考訳（メタデータ） (2025-11-12T15:13:27Z)
• Reinforcement Learning for Multi-Objective Multi-Echelon Supply Chain Optimisation [3.1194372040101928]
  重み付き和で修正した元来の単目的RLアルゴリズムに対してベンチマークした多目的強化学習(RL)法を用いてモデルを評価する。 我々は、カスタマイズ可能なシミュレータを用いて、様々なネットワーク複雑度の実験を行い、典型的な現実世界の課題を模倣する。 このモデルはサプライチェーンの経路をまたいだ生産量と納入量を決定し、競合する目標間のほぼ最適なトレードオフを達成する。
  論文  参考訳（メタデータ） (2025-07-26T04:30:11Z)
• Double-Ended Synthesis Planning with Goal-Constrained Bidirectional Search [27.09693306892583]
  材料制約を始点とする合成計画の定式化について述べる。 本稿では,双方向グラフ探索方式に基づく新しいCASPアルゴリズムであるDouble-Ended Synthesis Planning (DESP)を提案する。 DESPは既存のワンステップ逆合成モデルを利用することができ、これらのワンステップモデルの性能が向上するにつれて、その性能が拡大すると予想する。
  論文  参考訳（メタデータ） (2024-07-08T18:56:00Z)
• MAP: Low-compute Model Merging with Amortized Pareto Fronts via Quadratic Approximation [80.47072100963017]
  Amortized Pareto Front (MAP) を用いた新しい低演算アルゴリズム Model Merging を導入する。 MAPは、複数のモデルをマージするためのスケーリング係数のセットを効率的に識別し、関連するトレードオフを反映する。 また,タスク数が比較的少ないシナリオではベイジアンMAP,タスク数の多い状況ではNested MAPを導入し,計算コストを削減した。
  論文  参考訳（メタデータ） (2024-06-11T17:55:25Z)
• Maximize to Explore: One Objective Function Fusing Estimation, Planning, and Exploration [87.53543137162488]
  我々はtextttMEX というオンライン強化学習(オンラインRL)フレームワークを提案する。 textttMEXは、自動的に探索エクスプロイトのバランスをとりながら、見積もりと計画コンポーネントを統合する。 様々な MuJoCo 環境では,ベースラインを安定的なマージンで上回り,十分な報酬を得られる。
  論文  参考訳（メタデータ） (2023-05-29T17:25:26Z)
• Exact Pareto Optimal Search for Multi-Task Learning and Multi-Criteria Decision-Making [10.914300987810128]
  EPO 探索は線形収束速度で EPO 解に収束することを示す。 我々は, PFを後部MCDMで近似するPESA-EPOと, 対話型MCDMで誘導するGP-EPOという新しいアルゴリズムを開発した。 EPO検索は変数数と線形にスケールし、ディープEコマースネットワークに使用することができる。
  論文  参考訳（メタデータ） (2021-08-02T02:13:21Z)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)

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。