概要 - 「強化学習を通じて大規模言語モデルによる推論駆動型逆合成予測」

「強化学習を通じて大規模言語モデルによる推論駆動型逆合成予測」

2025-07-23 12:13:06

{"Situo Zhang","Hanqi Li","Lu Chen","Zihan Zhao","Xuanze Lin","Zichen Zhu","Bo Chen","Xin Chen","Kai Yu"}

{cs.CE,cs.AI,physics.chem-ph}

この論文は、化学の逆合成反応に特化した推論駆動型大規模言語モデル（LLM）であるRETRO DFM-Rを提案しています。逆合成反応は有機合成や薬の発見において重要なプロセスであり、目標分子を可能な前駆体に分解することで、化学者が効率的な合成経路を設計できるようにします。 現存の逆合成反応のための方法は、適用範囲と説明可能性の両方で限界があります。伝統的なグラフベースやシーケンスからシーケンスへのモデルは一般化された化学知識に欠け、一貫性のない精度と説明の難しさをもたらします。RETRO DFM-RはLLMの推論能力と強化学習を活用してこれらの課題を解決しています。 RETRO DFM-Rの主要な特徴： * **推論駆動型LLM**：RETRO DFM-Rは化学の分野知識と高度な推論能力を統合し、正確かつ説明可能な逆合成予測を提供します。専門の化学者の段階的な論理を模倣し、分子構造を系統的に分析し、合理的な逆合成分解を特定します。 * **トレーニングパイプライン**：モデルは以下の三段階のパイプラインでトレーニングされます： 1. **継続的な事前トレーニング**：モデルはSMILES-IUPAC名の変換ペアと逆合成予測を含むデータセットで事前トレーニングされ、分野固有の知識を豊かにします。 2. **冷始推理精製**：モデルは答え条件付きの精製を使用してさらにトレーニングされ、一般領域の推論モデルを利用して高品質な推理トレースを生成し、モデルの推論能力を初期化します。 3. **強化学習**：モデルは検証可能な報酬を使用するDAPOアルゴリズムでトレーニングされ、精度をさらに向上させ、健全な推論を促進します。 * **SMILES-IUPAC変換トレーニング**：RETRO DFM-Rはターゲット分子の入出力に必要なSMILES表現とテキスト中の化学知識のギャップを埋めるために、ターゲット的なSMILES-IUPAC変換トレーニングを実施します。 * **説明可能性**：モデルは合成決定の詳細な理由を提供し、化学者がモデルの思考プロセスを理解し、実行可能な洞察を得られるようにします。 評価結果： * RETRO DFM-RはUSPTO-50Kバenchmarkにおいて最も優れた方法を大幅に上回り、65.0%のトップ-1精度を達成しました。 * 双盲の人間評価はRETRO DFM-Rの予測の化学的合理性と実用性を確認しました。 * RETRO DFM-Rは文献で報告された多段階の逆合成経路を正確に予測し、実際の薬分子やペロブスキート素材の両方で実現しました。 * モデルの明確な推論プロセスは、人間が解釈可能な洞察を提供し、実際の逆合成適用における信頼性と実用価値を高めます。 全体的に見て、RETRO DFM-Rは推論駆動型LLMが逆合成予測の精度と説明可能性を向上させる可能性を示し、薬の発見や物質科学の化学者にとって価値のあるツールを提供しています。