化学者の評価で合成ルート順位付けAIの実用性が向上
- ルート順位付けネットワークを、文献由来の多数のルートで事前学習したうえで、少量の化学者による実現可能性の判定ラベルで微調整している。
- 評価には、学習に使わなかった標的と、独立した複数化学者のデータセットを用いた。
- 上位に挙がったルートの多くは実行可能と判断され、文献ルートと異なるものも少なくなかった。
- 専門家による微調整で、モデルの選好は化学者の多数意見にかなり近づき、専門家個人が同僚と一致する水準に迫った。
💡 ポイント アブストラクトに基づく見解
化学者パネルとの一致度は、聞こえほど厳しい指標ではない。ルートの実現可能性は主観的で、紙の上できれいに見えるルートを好むモデルでも高いスコアが出うる。自分たちのシリーズで確かめたいのは、後期段階の選択性の問題や厄介な保護基操作のような、失敗が分かっているステップをきちんと指摘できるか、そして学習データと似ていない骨格でも通用するかどうかだ。
📄 原論文 · Journal of Chemical Information and Modeling (ACS) ↗ Expert-Augmented Deep Learning Approach for Synthesis Route Evaluation