人工智能在有机合成领域的应用 - 人工智能通过机器学习和深度学习方法改变了精准有机合成领域 在预测反应性能和合成规划方面展现出巨大潜力 [2] 研究背景与挑战 - 数值回归驱动的反应性能预测与序列生成驱动的合成规划之间存在内在方法论分歧 这对构建统一的深度学习架构构成重大挑战 [3] - 研究团队在Nature Machine Intelligence上发表论文 提出解决这一挑战的新框架 [3] RXNGraphormer框架创新 - 研究团队开发了RXNGraphormer框架 这是一个用于跨任务反应性能预测和合成规划的统一预训练深度学习框架 [3] - 该框架整合了图神经网络(GNN)与Transformer模型 为化学反应预测与合成设计提供通用工具 [3] - 通过统一预训练方法协同处理反应性能预测与合成规划任务 [5] - 采用面向分子内模式识别的GNN与面向分子间相互作用建模的Transformer模型相融合 [5] - 使用精心设计的策略对1300万个化学反应进行训练 [5] 框架性能表现 - 在八个基准数据集上实现了最先进性能(SOTA) 涵盖反应活性/选择性预测和正/逆向合成规划领域 [5] - 在三个外源现实数据集上的反应活性/选择性预测也达到最先进性能 [5] - 模型生成的化学特征嵌入能够无监督地按反应类型自发聚类 [5] 研究意义 - 该研究弥合了化学人工智能领域性能预测与合成规划任务间的关键鸿沟 [7] - 为精准反应预测与合成设计提供了一个统一的多功能工具 [7]