Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Chemist-aligned retrosynthesis by ensembling diverse inductive bias models

Created by
  • Haebom

作者

Krzysztof Maziarz, Guoqing Liu, Hubert Misztela, Austin Tripp, Junren Li, Aleksei Kornev, Piotr Gai nski, Holger Hoefling, Mike Fortunato, Rishi Gupta, Marwin Segler

概要

本論文では,AIベースの合成計画モデルのLimitationsを克服するための新しい逆合成モデルRetroChimeraを提案した。 RetroChimeraは、相互補完的な誘導偏向を持つ2つの新しく開発されたコンポーネントに基づいており、学習ベースのアンサンブル戦略を介して複数のソースからの予測を統合する新しいフレームワークを使用して結合されます。実験の結果、RetroChimeraは既存の主要モデルを大幅に凌駕し、トレーニングデータの外でも強力な性能を示し、各反応クラスのサンプル数が非常に少なくても学習する能力を初めて実証しました。さらに、産業有機化学者は、RetroChimeraの予測を訓練データの反応よりも好み、高いレベルの整合性を示しています。最後に、主要な製薬会社の内部データセットへのゼロショット遷移を介して分布移動の下でも強力な一般化能力を実証します。

Takeaways、Limitations

•
Takeaways：
◦
既存のAIベースの合成計画モデルのLimitationsである希少反応と誤った予測問題を効果的に解決
◦
少量のデータでも学習可能、データ効率の向上。
◦
産業界の専門家の好みによるモデルの信頼性と実用性の検証
◦
ゼロショット遷移による一般化能力の向上と幅広い適用性
◦
さまざまなデータ規模と分割戦略で優れた性能を示す堅牢性を確保。
◦
アンサンブルフレームワークによるより正確なモデル開発を加速する可能性を提示します。
•
Limitations：
◦
本論文で提示されたRetroChimeraモデルの性能が特定のデータセットと条件に限定される可能性。
◦
モデルの予測結果の解釈可能性と信頼性評価のためのさらなる研究の必要性
◦
実際の産業環境での適用とスケーラビリティの追加検証が必要
👍
Made with Slashpage