Retrosynthesis
PulseAugur coverage of Retrosynthesis — every cluster mentioning Retrosynthesis across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的诊断测试LLM的化学推理能力，超越记忆
研究人员开发了一个名为“身份盲推理诊断”的新框架，用于评估大型语言模型（LLM）在化学预测任务中的真实推理能力。该框架隐藏了目标化学物质的身份，而是通过源实体和结构编辑操作来定义它。这种方法旨在防止模型依赖于记忆或与目标身份相关的上下文线索。在包括气味预测和逆合成在内的六项任务的实验中发现，虽然模型性能受到源-目标属性一致性的影响，但一些模型根据取代的源实体标签表现出系统性的预测偏移，这表明可能缺乏真正的结构-属性推理。
-
新的MMAI Gym训练用于药物发现的液体基础模型
研究人员开发了MMAI Gym for Science，这是一个专为药物发现任务训练基础模型的新平台。该gym提供了精选的分子数据、特定任务的推理和基准测试工具。利用该gym，他们训练了一个高效的液体基础模型（LFM），该模型在分子优化和ADMET属性预测等各种分子基准测试中，与更大、通用的模型相比，表现出更高的性能和效率。
-
新的RetroDiT框架通过结构感知AI改进化学反应预测
研究人员开发了一种新的结构感知框架，用于无模板逆合成，这是化学反应预测的关键过程。这种名为RetroDiT的方法利用带有旋转位置嵌入的图Transformer来显式编码反应中心原子的位置重要性。通过优先处理这些关键区域，RetroDiT在USPTO-50k和USPTO-Full等基准数据集上取得了最先进的性能，在数据量和计算步骤显著减少的情况下，优于更大的模型和扩散方法。
-
新的URSA基准评估AI在药物发现合成规划中的应用
研究人员推出了URSA，一个旨在评估药物发现中逆合成系统的新的基准框架。URSA不仅评估合成路线收敛到起始原料的能力，还评估其化学合理性，以反映专家化学家的评估。虽然大型语言模型在高层战略规划方面显示出潜力，但专门的深度学习模型在可靠解决合成规划任务方面目前优于它们。