إيجاد مسارات توليد للجزيئات ذات الاهتمام أمر بالغ الأهمية في اكتشاف أدوية ومواد جديدة. ولإيجاد هذه المسارات، تُستخدم طرق التخطيط المُساعَد بالحوسبة لتخليق المواد (CASP)، التي تعتمد على نموذج خطوة واحدة للتفاعل الكيميائي. في هذه الدراسة، نقدم نموذجًا للتخليق العكسي بخطوة واحدة يعتمد على قوالب، مبنيًا على الشبكات الحديثة لـ Hopfield، والتي تتعلم تمثيلًا للجزيئات وقوالب التفاعل معًا، بهدف التنبؤ بملاءمة القوالب لجزيء معين. يسمح تمثيل القوالب بالاستخلاص العام عبر تفاعلات مختلفة، ويعزز بشكل كبير أداء التنبؤ بملاءمة القوالب، خاصةً بالنسبة للقوالب التي تمتلك عددًا قليلاً أو لا توجد أمثلة تدريبية لها. وبسرعة استنتاج تفوق طرق المقارنة بعشرات أو مئات المرات، نحسن أو نُوازي الأداء الأفضل في مجال التكنولوجيا الحالية بالنسبة لدقة التطابق المطابق بالضبط للـ k الأولى، مع k ≥ 3، في معيار التخليق العكسي USPTO-50k. يمكن إعادة إنتاج النتائج من خلال الكود المتاح على github.com/ml-jku/mhn-react.