简读分享 | 王豫 编辑 | 李仲深
论文题目
Mapping the space of chemical reactions using attention-based neural networks
论文摘要
有机反应通常被归入试剂和机理相似的反应类别。反应类别有助于复杂概念的交流和化学反应空间的高效导航。然而，分类过程是一项繁琐的任务。它需要通过注释反应中的分子数、反应中心和反应物和试剂来识别相应的反应类别模板。在这里，作者展示了基于Transformer的模型可以从无注释的、简单的基于文本的化学反应表示中推断出反应类别。其中最佳模型达到了98.2%的分类准确率。实验还表明，学习到的表征可以作为反应指纹，比传统的反应指纹更好地捕捉到反应类之间的细粒度差异。通过提供可视化聚类和相似性搜索的交互式反应图谱，人们可以对化学反应空间进行更深层次的探索。
论文链接
https://www.nature.com/articles/s42256-020-00284-w
github链接
https://rxn4chemistry.github.io/rxnfp
