초록
역합성은 유기화학에서 가장 기본적인 문제 중 하나입니다. 이 작업의 목적은 특정 생성물 분자를 합성하기 위해 사용할 수 있는 반응물을 식별하는 것입니다. 최근에는 화학과 컴퓨터 과학 분야 모두에서 컴퓨터 지원 역합성에 대한 관심이 다시 고조되고 있습니다. 기존의 대부분 접근 방식은 부분 그래프 일치 규칙을 정의하는 템플릿 기반 모델에 의존하지만, 화학 반응이 진행될 수 있는지는 단순한 결정 규칙으로 정의되지 않습니다. 본 연구에서는 그래프 신경망을 기반으로 한 조건부 그래픽 모델인 조건부 그래프 논리 네트워크(Conditional Graph Logic Network)를 사용하여 이 작업에 대한 새로운 접근 방식을 제안합니다. 이 모델은 반응 템플릿에서 도출된 규칙이 언제 적용되어야 하는지를 학습하며, 결과적으로 발생하는 반응이 화학적으로 가능하고 전략적이어야 함을 암시적으로 고려합니다. 또한 계산 비용을 줄이기 위해 효율적인 계층적 샘플링 방법을 제안합니다. 벤치마크 데이터셋에서 현재 최신 방법론보다 8.1% 개선된 성능을 달성하면서도, 우리의 모델은 예측에 대한 해석도 제공합니다.