Buchumschlag

Retrosynthesis prediction enhanced by in-silico reaction data augmentation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Xu, Mo, Yiming, Wang, Wenguan, Yang, Yi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Retro-Expert: Collaborative Reasoning for Interpretable Retrosynthesis
von: Li, Xinyi, et al.
Veröffentlicht: (2025)

Chemical knowledge-informed framework for privacy-aware retrosynthesis learning
von: Chen, Guikun, et al.
Veröffentlicht: (2025)

Visual Knowledge in the Big Model Era: Retrospect and Prospect
von: Wang, Wenguan, et al.
Veröffentlicht: (2024)

Towards Data-and Knowledge-Driven Artificial Intelligence: A Survey on Neuro-Symbolic Computing
von: Wang, Wenguan, et al.
Veröffentlicht: (2022)

DirectMultiStep: Direct Route Generation for Multistep Retrosynthesis
von: Shee, Yu, et al.
Veröffentlicht: (2024)

Retrieval-Retro: Retrieval-based Inorganic Retrosynthesis with Expert Knowledge
von: Noh, Heewoong, et al.
Veröffentlicht: (2024)

RetroReasoner: A Reasoning LLM for Strategic Retrosynthesis Prediction
von: Ko, Hanbum, et al.
Veröffentlicht: (2026)

Re-evaluating Retrosynthesis Algorithms with Syntheseus
von: Maziarz, Krzysztof, et al.
Veröffentlicht: (2023)

Trustworthy Retrosynthesis: Eliminating Hallucinations with a Diverse Ensemble of Reaction Scorers
von: Sadowski, Michal, et al.
Veröffentlicht: (2025)

Procrustean Bed for AI-Driven Retrosynthesis: A Unified Framework for Reproducible Evaluation
von: Morgunov, Anton, et al.
Veröffentlicht: (2025)

Atom-anchored LLMs speak Chemistry: A Retrosynthesis Demonstration
von: Hassen, Alan Kai, et al.
Veröffentlicht: (2025)

RxnNano:Training Compact LLMs for Chemical Reaction and Retrosynthesis Prediction via Hierarchical Curriculum Learning
von: Li, Ran, et al.
Veröffentlicht: (2026)

UAlign: Pushing the Limit of Template-free Retrosynthesis Prediction with Unsupervised SMILES Alignment
von: Zeng, Kaipeng, et al.
Veröffentlicht: (2024)

Retro3D: A 3D-aware Template-free Method for Enhancing Retrosynthesis via Molecular Conformer Information
von: Zhuang, Jiaxi, et al.
Veröffentlicht: (2025)

BatGPT-Chem: A Foundation Large Model For Retrosynthesis Prediction
von: Yang, Yifei, et al.
Veröffentlicht: (2024)

Graph data augmentation with Gromow-Wasserstein Barycenters
von: Ponti, Andrea
Veröffentlicht: (2024)

Models Matter: The Impact of Single-Step Retrosynthesis on Synthesis Planning
von: Torren-Peraire, Paula, et al.
Veröffentlicht: (2023)

Retro-BLEU: Quantifying Chemical Plausibility of Retrosynthesis Routes through Reaction Template Sequence Analysis
von: Li, Junren, et al.
Veröffentlicht: (2023)

Retrosynthesis Planning via Worst-path Policy Optimisation in Tree-structured MDPs
von: Wang, Mianchu, et al.
Veröffentlicht: (2025)

Enhancing Chemical Reaction and Retrosynthesis Prediction with Large Language Model and Dual-task Learning
von: Lin, Xuan, et al.
Veröffentlicht: (2025)

The geometry of invariant learning: an information-theoretic analysis of data augmentation and generalization
von: Bouyahia, Abdelali, et al.
Veröffentlicht: (2026)

Leveraging Large Language Models for enzymatic reaction prediction and characterization
von: Di Fruscia, Lorenzo, et al.
Veröffentlicht: (2025)

Retrieval-augmented GUI Agents with Generative Guidelines
von: Xu, Ran, et al.
Veröffentlicht: (2025)

Retrosynthesis Prediction via Search in (Hyper) Graph
von: Lan, Zixun, et al.
Veröffentlicht: (2024)

MLLM Is a Strong Reranker: Advancing Multimodal Retrieval-augmented Generation via Knowledge-enhanced Reranking and Noise-injected Training
von: Chen, Zhanpeng, et al.
Veröffentlicht: (2024)

Protect$^*$: Steerable Retrosynthesis through Neuro-Symbolic State Encoding
von: Sathyanarayana, Shreyas Vinaya, et al.
Veröffentlicht: (2026)

Distilling and exploiting quantitative insights from Large Language Models for enhanced Bayesian optimization of chemical reactions
von: Patel, Roshan, et al.
Veröffentlicht: (2025)

Extreme value forecasting using relevance-based data augmentation with deep learning models
von: Hua, Junru, et al.
Veröffentlicht: (2025)

Curated LLM: Synergy of LLMs and Data Curation for tabular augmentation in low-data regimes
von: Seedat, Nabeel, et al.
Veröffentlicht: (2023)

GaGSL: Global-augmented Graph Structure Learning via Graph Information Bottleneck
von: Li, Shuangjie, et al.
Veröffentlicht: (2024)

MSCMHMST: A traffic flow prediction model based on Transformer
von: Geng, Weiyang, et al.
Veröffentlicht: (2025)

Boosting long-term forecasting performance for continuous-time dynamic graph networks via data augmentation
von: Tian, Yuxing, et al.
Veröffentlicht: (2023)

Rapid analysis of point-contact Andreev reflection spectra via machine learning with adaptive data augmentation
von: Lee, Dongik, et al.
Veröffentlicht: (2025)

Knowledge-guided machine learning for county-level corn yield prediction under drought
von: Wang, Xiaoyu, et al.
Veröffentlicht: (2025)

DTR-Bench: An in silico Environment and Benchmark Platform for Reinforcement Learning Based Dynamic Treatment Regime
von: Luo, Zhiyao, et al.
Veröffentlicht: (2024)

Counterfactual experience augmented off-policy reinforcement learning
von: Lee, Sunbowen, et al.
Veröffentlicht: (2025)

Deep deterministic policy gradient with symmetric data augmentation for lateral attitude tracking control of a fixed-wing aircraft
von: Li, Yifei, et al.
Veröffentlicht: (2024)

Learning to fuse: dynamic integration of multi-source data for accurate battery lifespan prediction
von: Shanxuan, He, et al.
Veröffentlicht: (2025)

Online Preference-based Reinforcement Learning with Self-augmented Feedback from Large Language Model
von: Tu, Songjun, et al.
Veröffentlicht: (2024)

Achieving binary weight and activation for LLMs using Post-Training Quantization
von: Song, Siqing, et al.
Veröffentlicht: (2025)