[NMI 2022 | 论文简读] 基于广义模板的精确有机反应性预测图神经网络

作者 | 王豫 编辑 | 赵晏浠

论文题目

A generalized-template-based graph neural network for accurate organic reactivity prediction

论文摘要

对化学反应性的可靠预测仍停留在知识渊博的合成化学家的领域。在未来的数字实验室中，利用人工智能将这一过程自动化可以加速合成设计。虽然一些机器学习方法已经显示出了有希望的结果，但目前大多数模型都偏离了人类化学家基于电子变化分析和预测反应的方式。在这里，作者提出了一个名为LocalTransform的化学驱动图神经网络，它基于广义反应模板学习有机反应，描述反应物和生成物之间电子构型的净变化。提出的概念大大减少了反应规则的数量，并展示了最先进的产物预测精度。除了广义反应模板的内置可解释性外，该模型的高分-准确度相关性允许用户评估机器预测的不确定性。

论文链接

https://www.nature.com/articles/s42256-022-00526-z https://github.com/kaist-amsg/LocalTransform