逆合成分析的主要目标是递归地将所需分子分解为可用的构建模块。现有的基于模板的逆合成方法遵循一种模板选择模式，但由于训练模板数量有限，这限制了它们发现新反应的能力。为了克服这一局限性，我们提出了一种创新的逆合成预测框架，该框架能够组成超出训练模板范围的新模板。据我们所知，这是首个利用机器学习组成逆合成预测反应模板的方法。此外，我们还提出了一种有效的反应物候选评分模型，该模型能够捕捉原子级别的转化过程，从而帮助我们的方法在USPTO-50K数据集上的表现优于先前的方法。实验结果表明，我们的方法可以为15个USPTO-50K测试反应生成新的模板，而这些反应未被训练模板覆盖。我们已发布了源代码实现。