研究人员开发了HiRes，一个用于推荐化学反应条件的新系统，该系统将预测准确性与可解释性相结合。该模型使用一种检索增强的方法，并具有一个学习到的反应空间，该空间既充当特征集，又充当可检查的先例记忆。HiRes在USPTO-Condition数据集上取得了最先进的性能，在选择催化剂、溶剂和试剂方面优于之前的模型。 AI
影响 通过提供可解释的反应条件推荐，增强了AI在化学合成中的效用。
排序理由 发表了一篇详细介绍新AI模型及其在特定任务上性能的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.21420v1 Announce Type: cross Abstract: Reaction condition recommendation sits immediately after retrosynthetic disconnection selection, and in practice, chemists require both accurate predictions and the precedents that justify them. We present HiRes (Hierarchical Reac…
Reaction condition recommendation sits immediately after retrosynthetic disconnection selection, and in practice, chemists require both accurate predictions and the precedents that justify them. We present HiRes (Hierarchical Reaction Representations), a retrieval-augmented condi…