رتروسنتز همسو با شیمیدان با ترکیب مدل‌های تعصب القایی متنوع

سنتز شیمیایی یک گلوگاه مهم در کشف و ساخت مولکول‌های کوچک کاربردی باقی می‌ماند 1-3. در حالی که برنامه‌ریزی سنتز به کمک هوش مصنوعی در سال‌های اخیر گسترش یافته است، درک دقیقی از حالت‌های شکست آن به دست نیامده است، و مدل‌ها هنوز با پیش‌بینی واکنش‌های کم‌تکرار و در عین حال بحرانی استراتژیک، و همچنین پیش‌بینی‌های توهم‌آمیز و نادرست نادرست با انتظارات شیمیدان‌ها مبارزه می‌کنند.

در این کار، ما حالت‌های شکست مدل‌های هوش مصنوعی فعلی را تجزیه و تحلیل می‌کنیم و RetroChimera را پیشنهاد می‌کنیم: یک مدل رتروسنتز مرزی، ساخته شده بر روی دو مؤلفه جدید توسعه‌یافته با سوگیری‌های القایی مکمل، که از طریق یک استراتژی جدید و مبتنی بر یادگیری ادغام شده‌اند. از طریق آزمایش‌هایی در چندین مرتبه بزرگی در مقیاس داده‌ها، نشان می‌دهیم که RetroChimera از خطوط پایه پیشرو بهتر عمل می‌کند، استحکام خارج از داده‌های آموزشی و همچنین توانایی یادگیری از تعداد بسیار کمی از مثال‌ها را در هر کلاس واکنش نشان می‌دهد.

با استفاده از تنظیمات دوتایی و نقطه‌ای، متوجه می‌شویم که شیمیدان‌های آلی پیش‌بینی‌های RetroChimera را به واکنش‌های مرجع منتشر شده و بر سایر مدل‌های هوش مصنوعی ترجیح می‌دهند. در نهایت، ما انتقال صفر و تنظیم دقیق مجموعه داده‌های داخلی از دو شرکت بزرگ دارویی را نشان می‌دهیم که تعمیم قوی تحت تغییر توزیع را نشان می‌دهد. کار ما قابلیت یادگیری عمیق را برای پیش‌بینی سنتز دقیق در رژیم‌های چالش برانگیز نشان می‌دهد.

این یک پیش نمایش از محتوای اشتراک است که از طریق موسسه شما دسترسی دارد

به Nature و 54 مجله Nature Portfolio دیگر دسترسی داشته باشید

Nature+ را دریافت کنید، بهترین اشتراک دسترسی آنلاین ما

قیمت‌ها ممکن است مشمول مالیات‌های محلی باشد که در هنگام تسویه حساب محاسبه می‌شود

این نویسندگان به طور مساوی کمک کردند: کریستوف مازیارز، گووکینگ لیو، فلیکس پولتار

هوش مصنوعی تحقیقاتی مایکروسافت برای علوم، کمبریج، انگلستان

کریستوف مازیارز، گووکینگ لیو (刘国庆)، فلیکس پولتار، جان گاردنر، توبیاس گنش، ژان هلی، یونرن لی، پیوتر گاینسکی، کریستوفر ام. بیشاپ و ماروین اچ. اس. سگلر

تحقیقات زیست پزشکی Novartis، بازل، سوئیس

هوبرت میستلا، آلکسی کورنف، هولگر هوفلینگ، مایک فورتوناتو و ریشی گوپتا

اندرو باکستر، دارن ال. پول، جنیفر ام. الوارد، آدریان کریزانوفسکی، پیتر پوگانی، استفن دی. پیکت، ایان دی. وال، فیلیپ جی هامفریس و جیمز آ. لوملی

دانشگاه Bergische Universität ووپرتال، ووپرتال، آلمان

مکاتبه با کریستوف مازیارز، گووکینگ لیو (刘国庆) یا ماروین اچ. اس. سگلر.

بخش های تکمیلی 1-7، شامل شکل های تکمیلی 1-15، جداول تکمیلی 1-3 و منابع تکمیلی - برای جزئیات بیشتر به مطالب مراجعه کنید.

Maziarz, K., Liu, G., Pultar, F. et al. رتروسنتز همسو با شیمیدان با ترکیب مدل‌های تعصب القایی متنوع. طبیعت (2026). https://doi.org/10.1038/s41586-026-11160-9

DOI: https://doi.org/10.1038/s41586-026-11160-9

هر کسی که پیوند زیر را با او به اشتراک بگذارید، می‌تواند این محتوا را بخواند:

با عرض پوزش، پیوند قابل اشتراک گذاری در حال حاضر برای این مقاله موجود نیست.

ارائه شده توسط Springer Nature SharedIt ابتکار اشتراک محتوا