論文の概要: Dynamic language model representations for multi-objective reaction optimisation
- arxiv url: http://arxiv.org/abs/2609.11790v1
- Date: Thu, 10 Sep 2026 16:43:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.448804
- Title: Dynamic language model representations for multi-objective reaction optimisation
- Title（参考訳）: 多目的反応最適化のための動的言語モデル表現
- Abstract要約: テキストから反応表現を動的に学習する。
ニッケルとパラジウムを触媒とするクロスカップリング全体において、このアプローチは記述子ライブラリやワンホット符号化よりも少ない実験で収束する。
- 参考スコア（独自算出の注目度）: 5.640701143147006
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Optimising chemical reactions across multiple objectives, such as yield, selectivity, and safety, is central to chemical synthesis, and model-driven approaches depend critically on how reaction components are represented. Established featurisations are either chemically uninformative, as with one-hot encodings, or, as with molecular descriptors, do not readily extend across chemically distinct components. For structurally and functionally diverse components, it is therefore unclear what a shared representation should contain. Constructing such a representation is itself a challenging research undertaking that must be revisited for each new reaction system. Here we bypass this step by learning the reaction representation dynamically from text. Textual descriptions of reaction conditions are encoded by a fine-tuned language model trained jointly with Gaussian process surrogates, yielding task-adaptive representations within a multi-objective Bayesian optimisation loop. Across nickel- and palladium-catalysed cross-couplings in both sequential and parallel experimentation regimes, this approach reaches optimisation convergence in fewer experiments than descriptor libraries or one-hot encoding. Applied prospectively to a palladium-catalysed cyanation spanning mixed ligand denticity and heterogeneous additives, and to a three-objective asymmetric hydrogenation across chiral iridium and ruthenium catalyst families, two rounds of high-throughput experimentation (192 reactions, under 3% of each design space) delivered conditions translating directly to gram scale in 94% and 84% isolated yield, the latter at 99.6% enantiomeric excess.
- Abstract（参考訳）: 収率、選択性、安全性など、様々な目的にまたがる化学反応の最適化は化学合成の中心であり、モデル駆動のアプローチは反応成分がどのように表現されるかに決定的に依存する。
確立された偉業化は、一ホットエンコーディングのように化学的に非形式的であるか、または分子記述子と同様に、化学的に異なる構成要素間で容易に拡張されない。
構造的および機能的に多様なコンポーネントに対して、共有表現が何を含むべきかは不明確である。
このような表現を構築することは、新しい反応系ごとに再検討しなければならない挑戦的な研究課題である。
ここでは、テキストから反応表現を動的に学習することで、このステップを回避します。
反応条件のテキスト記述は、ガウス過程サロゲートと共に訓練された微調整言語モデルによって符号化され、多目的ベイズ最適化ループ内でタスク適応表現が生成される。
ニッケルとパラジウムを触媒とするクロスカップリングは、連続実験と並列実験の両方において、ディスクリプタライブラリやワンホット符号化よりも少ない実験で最適化収束に達する。
パラジウム触媒によるシアン化反応は、混合配位子と不均一な添加物、キラルイリジウムとルテニウム触媒の3つの非対称水素化反応に適用され、2ラウンドの高スループット実験(各設計空間の3%以下192の反応)により、94%および84%の分離収率で直接グラムスケールに変換され、後者は99.6%のエナンチオマー過剰な条件が得られた。
関連論文リスト
- RxnCLF: Contrastive Transformation-Aware Reaction Foundation Model for Improved Reactivity Prediction [3.456440183560995]
反応表現学習のための反応コントラスト学習基盤(RxnCLF)を提案する。
RxnCLFは縮合反応グラフ(CRG)上に構築され、反応物と生成物の情報を単一のグラフに統一する。
1.7百万のピスタチオ反応に基づいて、RxnCLFは反応中心の特徴とより広い側鎖コンテキストの両方を捉えるコンパクトで連続的な潜伏空間を学習する。
論文 参考訳（メタデータ） (2026-08-06T16:51:23Z) - Reaction-Level Consistency within the Variational Quantum Eigensolver: Homodesmotic Ring Strain Energies of Cyclic Hydrocarbons [12.548381396085253]
我々は, 対称誘導型活性空間選択プロトコルを用いて, 複素炭化水素の環ひずみエネルギーをホモデマティック反応法を用いて計算する。
このプロトコルは、すべての反応物と生成物間で対称性の整合性を強制し、同じ対称性の一致した分数(SMF)値を生成する活性空間を選択する。
分子複雑性の増大に伴う系統的な性能は、ホモデスメティックな反応設計と対称性を持つVQE計算を組み合わせることの有効性を強調している。
論文 参考訳（メタデータ） (2026-03-13T07:32:18Z) - Rethinking Molecule Synthesizability with Chain-of-Reaction [47.744071119775676]
合成可能な投影のための生成フレームワークであるReaSynを紹介する。
大規模言語モデル(LLM)における推論経路に類似した合成経路を考慮した新しい視点を提案する。
CoR表記により、ReaSynは化学反応規則を明示的に学習する全ての反応ステップにおいて、密集した監督を受けることができる。
論文 参考訳（メタデータ） (2025-09-19T15:29:57Z) - 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) - 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) - Accurate transition state generation with an object-aware equivariant
elementary reaction diffusion model [9.878043289026731]
遷移状態 (TS) 探索は反応機構の解明と反応ネットワークの探索に重要である。
そこで本研究では, 基本反応における構造の集合を生成するためのすべての物理対称性と制約を満たす, オブジェクト対応SE(3)同変拡散モデルを開発する。
反応物と生成物が与えられたこのモデルは、量子化学に基づく最適化を行うのに必要な時間ではなく、数秒でTS構造を生成する。
論文 参考訳（メタデータ） (2023-04-12T22:21:36Z) - Rxn Hypergraph: a Hypergraph Attention Model for Chemical Reaction
Representation [70.97737157902947]
現在、化学反応を強固に表現するための普遍的で広く採用されている方法は存在しない。
ここでは、グラフに基づく分子構造の表現を利用して、ハイパーグラフアテンションニューラルネットワークアプローチを開発し、テストする。
我々はこのハイパーグラフ表現を3つの独立な化学反応データセットを用いて3つの実験で評価した。
論文 参考訳（メタデータ） (2022-01-02T12:33:10Z) - Self-Improved Retrosynthetic Planning [66.5397931294144]
再合成計画(Retrosynthetic Planning)は、標的分子を合成する反応の経路を見つけるための化学の基本的な問題である。
最近の検索アルゴリズムは、ディープニューラルネットワーク(DNN)を用いてこの問題を解決するための有望な結果を示している。
そこで本研究では,DNNを直接訓練し,望ましい特性を持つ反応経路を生成するためのエンドツーエンドフレームワークを提案する。
論文 参考訳（メタデータ） (2021-06-09T08:03:57Z) - 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) - Quantitative Prediction on the Enantioselectivity of Multiple Chiral
Iodoarene Scaffolds Based on Whole Geometry [4.042350304426974]
名前反応におけるキラル触媒の反応範囲を拡張するための予測ワークフローを提案する。
複数の触媒足場の3D構造を最適化したDFTから全ジオメトリディスクリプタをエンコードした。
アンサンブルモデルのコンセンサス予測のために、このグローバルディスクリプタは、ステリモールパラメータおよび非共有相互作用と比較することができる。
論文 参考訳（メタデータ） (2021-03-25T20:08:56Z)
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。