摘要

逆合成预测是有机化学及相关领域的基本挑战之一。其目标是找到能够合成目标产物分子的反应物分子。为了解决这一问题，我们提出了一种新的图到图转换模型（G2GT），该模型的图编码器和图解码器均基于标准的变压器结构构建。此外，我们还展示了自训练方法的强大数据增强能力，该方法利用未标记的分子数据，可以显著提高模型性能。受反应类型标签和集成学习的启发，我们提出了一种新颖的弱集成方法以增强多样性。通过结合束搜索、核采样和前k采样方法，我们进一步提高了推理多样性，并提出了一种简单的排序算法来获取最终的前10个结果。我们在USPTO-50K数据集上取得了54%的Top-1准确率，并在更大的USPTO-full数据集上取得了50%的Top-1准确率，同时在Top-10结果方面也具有竞争力。