.png){kind=icon}
返回
MBERA: Multi-Branch Evolutionary Retrosynthesis Algorithm
.png){kind=icon}
PRE
AI
DOI：10.1016/j.swevo.2026.102374.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多步逆向合成规划由于真实化学合成固有的多分支结构而仍然具有挑战性，其中可能协调多个前体集合。现有的搜索算法主要针对单一路径进行操作，使其难以适应需要并行分解的反应。为解决此局限性，我们提出了一种多分支进化算法，这是一种专为多前体逆向合成设计的离散进化表述。它引入了多分支基因组编码，捕捉不同的分支反应物扩展，从而能够高效地导航组合路线空间。分支遗传算子进一步支持跨前体路径的协调交叉和变异。在代表性分子中，多分支进化算法与经典树搜索算法相比，将单步模型调用减少了70%–95%，在最具挑战性的案例中减少了超过98%。该方法在不同解决方案要求下表现出稳定的行为，并实现了对现有逆向合成搜索技术的改进。
Keyword:
Multi-step retrosynthesis
Multi-branch genome encoding
Evolutionary algorithm
Retrosynthetic planning
Combinatorial route space
期刊
IF:
8.5
论文数:
2.2K
被引数:
1.0W
机构
引用论文
Towards efficient discovery of green synthetic pathways with Monte Carlo tree search and reinforcement learning.png)
CHEMICAL SCIENCE
OAAI
CHEMICAL SCIENCEIF7.4
OAAI分享收藏PlatEMO: A MATLAB Platform for Evolutionary Multi-Objective OptimizationPlatEMO: 用于进化多目标优化的MATLAB平台OAAI
OAAI分享收藏Retrosynthesis prediction with an interpretable deep-learning framework based on molecular assembly tasks基于分子组装任务的可解释深度学习框架的逆向合成预测NATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Molecule Edit Graph Attention Network: Modeling Chemical Reactions as Sequences of Graph Edits分子编辑图注意网络: 将化学反应建模为图编辑序列OAAI
OAAI分享收藏Planning chemical syntheses with deep neural networks and symbolic AI使用深度神经网络和符号AI规划化学合成Nature
NatureIF0
PREAI
分享收藏
查看更多内容