KGCL: ज्ञान-संवर्धित ग्राफ विपरीत अध्ययन अणु ग्राफ संपादन के आधार पर पुनः संश्लेषण पूर्वानुमान

पुनः संश्लेषण, जो एक दिए गए लक्ष्य अणु के अभिकारकों का पूर्वानुमान करता है, औषधि खोज के लिए एक आवश्यक कार्य है। अणु ग्राफ संपादन के आधार पर पुनः संश्लेषण पूर्वानुमान ने उत्कृष्ट व्याख्यात्मकता के कारण व्यापक ध्यान आकर्षित किया है। मौजूदा विधियाँ अणु प्रस्तुतियों को सीखते समय रासायनिक ज्ञान को प्रभावी ढंग से शामिल करने में असफल होती हैं। इस समस्या के समाधान के लिए, हम एक ज्ञान-संवर्धित ग्राफ विपरीत अध्ययन मॉडल (KGCL) का प्रस्ताव करते हैं, जो एक रासायनिक ज्ञान ग्राफ से कार्यात्मक समूह एंबेडिंग को पुनः प्राप्त करता है और उन्हें उत्पाद अणु के परमाणु एंबेडिंग में ध्यान तंत्र का उपयोग करके एकीकृत करता है। इसके अलावा, हम एक ग्राफ विपरीत अध्ययन रणनीति प्रस्तुत करते हैं जो अणु ग्राफ एनकोडर में सुधार करने के लिए ग्राफ संपादन का उपयोग करके संवर्धित नमूने उत्पन्न करती है। हमारा प्रस्तावित तरीका USPTO-50K डेटासेट पर शीर्ष-1 सटीकता और शीर्ष-1 राउंड-ट्रिप सटीकता के मामले में मजबूत आधार रेखा विधि Graph2Edits को क्रमशः 1.6% और 3.2% से आगे बढ़ाता है, और USPTO-FULL डेटासेट पर अर्ध-टेम्पलेट-आधारित विधियों में एक नई विश्वस्तरीय प्रदर्शन भी हासिल करता है।