RetroAgent: Harnessing LLMs to Search Over Structured Memory for Agentic Retrosynthesis Planning
Author
- Haebom
Category
Empty
저자
Yanqiao Zhu, Jingru Gan, Xiaoqi Sun, Fang Sun, Yidan Shi, Md Mofijul Islam, Chao Shang, Wenhao Gao, Connor W. Coley, Yizhou Sun, Wei Wang
💡 개요
본 논문은 복잡한 다단계 역합성 계획 문제를 해결하기 위해 LLM 기반 에이전트인 RetroAgent를 제안합니다. RetroAgent는 탐색 트리와 오프라인 훈련된 가치 네트워크의 한계를 극복하고, 구조화된 메모리를 활용하여 전체 탐색 상태를 인지함으로써 보다 정보에 기반한 결정을 내립니다. 이를 통해 기존 방법론의 성능을 능가하고 뛰어난 일반화 능력을 보여줍니다.
🔑 시사점 및 한계
•
LLM 에이전트가 구조화된 메모리와 화학 도구를 결합하여 복잡한 탐색 공간에서 효율적인 의사결정을 할 수 있음을 입증했습니다.
•
기존의 고립된 평가 방식에서 벗어나 전체 탐색 경로와 중간체 정보를 고려하여 역합성 계획의 정확성과 효율성을 높였습니다.
•
제안된 방법론이 특정 데이터셋에 대한 성능 향상을 보여주지만, 실제 산업 현장에서 사용될 수 있는 범용성과 효율성에 대한 추가적인 검증이 필요합니다.
