Re-evaluating Retrosynthesis Algorithms with Syntheseus

要約

自動合成計画は、化学と機械学習が交わる研究分野として最近再浮上しています。
着実な進歩が見られるにもかかわらず、不完全なベンチマークや一貫性のない比較が既存技術の体系的な欠点を覆い隠し、進歩を不必要に妨げていると私たちは主張します。
これを解決するために、syntheseus と呼ばれる広範なベンチマーク フレームワークを備えた合成計画ライブラリを提供します。これはデフォルトでベスト プラクティスを推進し、シングル ステップ モデルとマルチステップ プランニング アルゴリズムの一貫した有意義な評価を可能にします。
私たちは、以前のいくつかの逆合成アルゴリズムを再評価することで合成の機能を実証し、制御された評価実験では最先端のモデルのランキングが変化することを発見しました。
最後に、この分野の将来の作業に関するガイダンスを提示し、合成計画のベンチマークを改善する方法についての議論に参加するようコミュニティに呼びかけます。

要約(オリジナル)

Automated Synthesis Planning has recently re-emerged as a research area at the intersection of chemistry and machine learning. Despite the appearance of steady progress, we argue that imperfect benchmarks and inconsistent comparisons mask systematic shortcomings of existing techniques, and unnecessarily hamper progress. To remedy this, we present a synthesis planning library with an extensive benchmarking framework, called syntheseus, which promotes best practice by default, enabling consistent meaningful evaluation of single-step models and multi-step planning algorithms. We demonstrate the capabilities of syntheseus by re-evaluating several previous retrosynthesis algorithms, and find that the ranking of state-of-the-art models changes in controlled evaluation experiments. We end with guidance for future works in this area, and call the community to engage in the discussion on how to improve benchmarks for synthesis planning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google