LLM-Augmented Chemical Synthesis and Design Decision Programs
Created by
Haebom
저자
Haorui Wang, Jeff Guo, Lingkai Kong, Rampi Ramprasad, Philippe Schwaller, Yuanqi Du, Chao Zhang
개요
본 논문은 거대 언어 모델(LLM)을 활용하여 유기화학 및 신약 개발의 핵심인 다단계 역합성 계획 문제를 해결하는 새로운 방법을 제시합니다. 기존의 단일 단계 역합성 모델링 및 경로 탐색 방식의 한계를 극복하기 위해, 반응 경로를 효율적으로 인코딩하는 방식과 기존의 단계별 반응물 예측을 넘어서는 새로운 경로 수준 탐색 전략을 제시합니다. LLM의 화학 지식을 활용하여 복잡한 다단계 역합성 계획을 성공적으로 수행하며, 합성 가능한 분자 설계라는 더 넓은 문제로 확장 가능함을 보여줍니다.
시사점, 한계점
•
시사점:
◦
거대 언어 모델(LLM)을 활용한 효율적인 다단계 역합성 계획 방법 제시
◦
기존 단계별 접근 방식의 한계를 극복하는 새로운 경로 수준 탐색 전략 제시
◦
LLM 기반 접근 방식의 합성 가능한 분자 설계 문제 해결 가능성 제시
◦
단일 단계 모델보다 더 복잡하고 정확한 역합성 계획 가능성을 보여줌
•
한계점:
◦
LLM의 성능은 학습 데이터에 의존적이며, 데이터의 질과 양에 따라 성능이 크게 달라질 수 있음.
