초록
역합성 -- 목표 분자를 합성하기 위해 일련의 반응물을 식별하는 과정 --는 재료 설계와 약물 발굴에 있어서 매우 중요한 역할을 합니다. 기존의 언어 모델과 그래프 신경망을 기반으로 하는 머신 러닝 접근법들은 고무적인 결과를 달성하였습니다. 본 논문에서는 시퀀스 기반 방법과 그래프 기반 방법을 에너지 기반 모델(EBMs)로 통합하는 프레임워크를 제안합니다. 이 프레임워크는 다양한 에너지 함수를 사용하여 두 방법론을 통합하며, 성능 평가를 통해 EBM 변형들의 중요한 통찰력을 제공합니다. 또한, 우리는 프레임워크 내에서 두 방향 간의 일치성을 제약함으로써 베이지안 전방향 예측과 후방향 예측에서 일관된 훈련을 수행하는 새로운 이중 변형 모델을 소개합니다. 이 모델은 반응 유형이 알려져 있지 않은 템플릿 없는 접근법에서 최신 성능을 9.6% 개선하였습니다.