17:38官方账号arXiv cs.AI@Nguyen Xuan-Vu, Octavian Susanu, Daniel Armstrong, Philippe Schwaller精选73°MAELLE模型将化学反应建模为电子占据向量上的离散流匹配,在USPTO-480K基准上与领先反应预测模型表现相当。该模型通过最优传输构建中间编辑轨迹,无需基本步骤注释即可获得可解释的编辑操作。在结构复杂性和反应类型两个分布外设置中,MAELLE保持强性能,现有方法则表现下降。论文MAELLE反应预测离散流匹配推荐理由:MIT团队新发布的MAELLE模型,能预测化学反应路径和副产物,比现有方法更稳定可靠。原文稍后读已读值得跟进有用关注 MAELLE
10:05官方账号arXiv cs.LG@Yiting Zheng, Cheng Fang, Anthony Donofrio, Haote LiRxnCLF是一种自监督对比学习框架,基于压缩反应图(CRG)统一反应物与产物信息,显式学习反应中心及侧链上下文。该模型在170万条Pistachio反应数据上预训练,得到紧凑连续且化学可解释的隐空间。在Buchwald-Hartwig、钯催化BH偶联及专有HTE C-N偶联和酰胺形成等产率预测基准上,RxnCLF一致优于图和序列基线,R2指标显著提升。论文RxnCLFPistachioBuchwald-Hartwig推荐理由:这个模型把反应物和产物揉进一张图,用对比学习预训练,多个产率预测任务上超过现有基线,做反应预测的值得看看。原文稍后读已读值得跟进有用关注 RxnCLF