.png){kind=icon}
返回
RetroEA: An efficient evolutionary algorithm for retrosynthetic route planning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.swevo.2025.101967.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在有机分子逆向合成领域取得了显著进展。然而，传统的合成方法不仅需要专家知识，而且耗时极高。随着机器学习的发展，基于人工智能的有机分子合成方法日益普及。近期，进化优化作为一种解决分子逆向合成的高效方法出现，但其性能受到离散编码与连续遗传算子之间的不匹配以及搜索空间巨大的限制。针对这些问题，本文通过采用离散编码方法及相应的离散遗传算子克服了逆向合成路径规划问题的离散特性，并利用剪枝技术缩减了搜索空间。将该方法应用于四种不同的目标产物，结果显示：该方法不仅平均减少了66.1%的单步模型调用次数，还在四种案例中使识别三个可行解所需的时间降低了51.5%，超越了当前的最优方法。
Keyword:
Retrosynthesis
Evolutionary optimization
Discrete encoding
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
Hybrid Path Planning Algorithm Based on Membrane Pseudo-Bacterial Potential Field for Autonomous Mobile RobotsIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Valid, Plausible, and Diverse Retrosynthesis Using Tied Two-Way Transformers with Latent Variables使用具有潜在变量的双向变压器进行有效，合理和多样化的逆向合成
PREAI
分享收藏Predicting retrosynthetic pathways using transformer-based models and a hyper-graph exploration strategyCHEMICAL SCIENCEOAAI
CHEMICAL SCIENCEIF7.4
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
查看更多内容