GNN-Retro是一个新的框架，它将图神经网络（GNN）与先进的搜索算法相结合，以解决有机化学中的逆向综合规划问题。该框架通过考虑相邻分子信息，提高了对合成路线成本估算的准确性，进而优化了搜索空间的修剪，提升了路线规划的效率。在USPTO数据集上的表现表明，GNN-Retro相对于同类方法具有优势。
逆向综合规划在该领域发挥着重要作用有机化学的一个分支，它可以生成一条合成路线针对目标产品。合成路线是从可用分子开始的一系列反应。这个
合成材料生产中最具挑战性的问题路由是候选反应的大搜索空间。估计匹配候选反应的成本已被证明可以有效地修剪搜索空间，从而实现更高的精度与相同的搜索迭代。以及估算对一个反应的估计包括对其所有反应物的估计。那么，如何估算这些反应物的成本直接影响结果的质量。为了获得更好的性能，名为GNN Retro的一种新框架被提出，用于结合图神经网络的逆向综合规划问题网络（GNN）和最新的搜索算法。该框架中GNN的结构可以包含相邻分子的信息，这将提高我们框架的估计精度。关于USPTO数据集表明，该框架可以优于在相同的设置。
传送门：GNN-Retro: Retrosynthetic planning with Graph Neural Networks
扫一扫
2586
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
