化学における基本的な問題として、逆合成（retrosynthesis）は、標的化合物に対する反応経路および中間体を設計することを目的としている。人工知能（AI）を活用した逆合成の目的は、過去の化学反応データから学習することで、このプロセスを自動化し、新たな反応経路を予測することにある。これまでに、いくつかのモデルが自動逆合成の可能性を示しているが、実用的な水準にまで予測精度を向上させる必要性は依然として高い。本研究では、化学的な直感に基づき、反応過程において分子内の変化は大部分が局所的に発生するという仮説を踏まえ、局所的逆合成フレームワーク「LocalRetro」を提案する。これは、既存のほとんどすべての逆合成手法が分子のグローバル構造に基づいて反応物を提案するのに対し、局所的な原子および結合の編集に着目する点で異なる。この局所的アプローチにより、局所的な反応テンプレートを構築できる。一方で、遠隔的な官能基も反応経路に二次的な影響を及ぼす可能性があるため、本研究で提案する局所的に符号化された逆合成モデルは、グローバルなアテンション機構を導入することで、化学反応における非局所的効果を補完的に考慮するように改良されている。評価結果では、USPTO-50Kデータセット（50,016件の反応を含む）において、トップ1およびトップ5の予測精度がそれぞれ89.5%および99.2%という有望な結果を示した。さらに、479,035件の反応を含む大規模データセット（UTPTO-MIT）においても、同様に高いトップ1およびトップ5の逆合成精度（87.0%および97.4%）を達成し、LocalRetroの有効性を裏付けた。また、文献に掲載された5つの医薬候補化合物の合成経路を正確に予測したことで、本モデルの実用性も実証された。