Transformer مُعزَّز بالرسم الجزيئي للتنبؤ بالتركيب العكسي

بالنظر إلى عدد كبير جدًا من المسارات التصنيعية الممكنة في الكيمياء، يظل توقع التحليل التصنيعي تحديًا للباحثين. في الآونة الأخيرة، تم صياغة مسألة توقع التحليل التصنيعي كمهمة لترجمة الآلة (MT). وبعبارة أخرى، وبما أن كل جزيء يمكن تمثيله كسلسلة من نظام إدخال خط الجزيء المبسط (SMILES)، يُشبه عملية التصنيع بعملية ترجمة لغوية من المواد المتفاعلة إلى المنتجات. ومع ذلك، فإن نماذج ترجمة الآلة التي تُطبَّق على بيانات SMILES تتجاهل عادةً معلومات الاتصالات الذرية الطبيعية وبنية الجزيء الشبكية. في هذا البحث، نقترح إطار عمل يُسمى "Transformer المعزز بالرسم البياني" (GET)، الذي يعتمد على المعلومات التسلسلية والرسمية للجزيئات معًا. وتم اقتراح أربعة تصاميم مختلفة لـ GET، والتي تدمج تمثيلات SMILES مع تضمين الذرات المستمد من شبكة عصبونية رسمية محسّنة (GNN). وأظهرت النتائج التجريبية أن نموذجنا يتفوق بشكل ملحوظ على نموذج Transformer من حيث دقة الاختبار.