レトロ合成とは、目標分子を合成するための反応物質のセットを特定するプロセスであり、材料設計や医薬品探索において極めて重要な役割を果たしています。既存の言語モデルやグラフニューラルネットワークに基づく機械学習アプローチは、有望な結果を達成しています。本論文では、異なるエネルギー関数を持つエネルギーベースモデル（EBM）として、シーケンスベースとグラフベースの手法を統一するフレームワークを提案します。この統一的な視点は、パフォーマンスの包括的な評価を通じてEBMのバリエーションに関する重要な洞察を提供します。さらに、本フレームワーク内で新たな双方向変種を提示し、2つの方向性間の合意を制約することでベイジアン前向き予測と後ろ向き予測の一貫した訓練を行います。このモデルは、反応タイプが未知であるテンプレートフリー手法において最先进技術の性能を9.6%向上させています。