摘要
逆合成分析是有机化学中的一个基本问题，其任务是识别可用于合成指定产物分子的反应物。近年来，计算机辅助逆合成分析重新引起了化学和计算机科学界的关注。现有的大多数方法依赖于基于模板的模型，这些模型定义了子图匹配规则，但化学反应是否能够进行并非由严格的决策规则决定。在本研究中，我们提出了一种新的方法来解决这一问题，该方法利用条件图逻辑网络（Conditional Graph Logic Network），这是一种建立在图神经网络基础上的条件图形模型，能够学习何时应用来自反应模板的规则，并隐式地考虑生成的反应是否既具有化学可行性又具有战略意义。此外，我们还提出了一种高效的层次采样方法以减轻计算成本。在基准数据集上，我们的模型相比当前最先进的方法实现了显著的8.1%提升，并且为预测提供了解释。