微软研究院已发布并开源了RetroChimera，这是一个用于逆合成预测的新框架，它结合了两个互补模型以提出高质量的合成路线。该系统将基于Transformer的从头生成模型R-SMILES 2与基于图神经网络（GNN）的NeuralLoc模型相结合，采用一种学习到的集成策略对预测结果进行排序。

  • RetroChimera利用R-SMILES 2的灵活性和NeuralLoc的可靠准确性来捕捉互补的反应模式。
  • 在盲测中，具有博士学位的化学家更倾向于RetroChimera的单个反应预测结果，而非先前的模型或文献中的反应记录。
  • 该模型在完整合成路线方面获得了专家90%的接受率，而其子模型或基线模型的接受率为20-50%。
  • 实现代码和权重已在GitHub上以MIT许可证提供，并通过Microsoft Foundry发布。

RetroChimera旨在帮助研究人员更高效地识别有前景的合成路线，支持药物发现和智能材料中更快的设计-制造-测试循环。