Leveraging Large Language Models as Knowledge-Driven Agents for Reliable Retrosynthesis Planning

要約

材料化学において信頼できる合成経路を特定することは、高分子の命名法が複雑で固有でないことが多いため、特に高分子科学においては複雑な作業です。
この課題に対処するために、大規模言語モデル (LLM) とナレッジ グラフ (KG) を統合するエージェント システムを提案します。
化学物質名を抽出および認識し、抽出されたデータを構造化ナレッジ グラフに保存する LLM の強力な機能を活用することにより、当社のシステムは、関連文献の検索、反応データの抽出、データベースのクエリ、逆合成パスウェイ ツリーの構築、さらには
追加の文献の検索と最適な反応経路の推奨による拡張。
新しい多分岐反応経路検索 (MBRPS) アルゴリズムにより、特に多分岐反応経路に焦点を当てたすべての経路の探索が可能になり、LLM が多分岐経路における弱い推論を克服できるようになります。
この研究は、LLM を利用した高分子向けに特別に調整された完全に自動化された逆合成プランニング エージェントを開発する最初の試みを表しています。
ポリイミド合成に適用された当社の新しいアプローチは、数百の経路を含む逆合成経路ツリーを構築し、既知の経路と新規の経路の両方を含む最適化されたルートを推奨し、その有効性とより広範な用途への可能性を実証します。

要約(オリジナル)

Identifying reliable synthesis pathways in materials chemistry is a complex task, particularly in polymer science, due to the intricate and often non-unique nomenclature of macromolecules. To address this challenge, we propose an agent system that integrates large language models (LLMs) and knowledge graphs (KGs). By leveraging LLMs’ powerful capabilities for extracting and recognizing chemical substance names, and storing the extracted data in a structured knowledge graph, our system fully automates the retrieval of relevant literatures, extraction of reaction data, database querying, construction of retrosynthetic pathway trees, further expansion through the retrieval of additional literature and recommendation of optimal reaction pathways. A novel Multi-branched Reaction Pathway Search (MBRPS) algorithm enables the exploration of all pathways, with a particular focus on multi-branched ones, helping LLMs overcome weak reasoning in multi-branched paths. This work represents the first attempt to develop a fully automated retrosynthesis planning agent tailored specially for macromolecules powered by LLMs. Applied to polyimide synthesis, our new approach constructs a retrosynthetic pathway tree with hundreds of pathways and recommends optimized routes, including both known and novel pathways, demonstrating its effectiveness and potential for broader applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google