我们已经为您准备好复现该模型所需的环境,您可以创建实例、一键复用哦!

模型的使用文档涵盖模型所需环境、模型简介以及复现模型的具体步骤。模型效果和模型详细来源可以点击论文地址和模型来源链接查看哦~

Retroexpert

2022-02-21 retroexpert:ubuntu18.04-cuda10.1-cudnn7-python3.7-pytorch1.4.0

模型标签
文本分类文本匹配文本生成文本摘要

模型简介

此模型由腾讯AI Lab主导,与德州大学,清华大学以及中山大学合作完成。主要研究了分子逆合成分析,属于人工智能在化学领域的应用。其中,应用了谷歌transformer,以及深度图学习技术。逆合成是将目标分子递归分解为可用结构单元的过程。它在解决有机合成规划问题中起着重要作用。为了自动化或辅助逆合成分析,研究人员已经提出了各种逆合成预测算法。然而,它们中的大多数流程繁琐,且不具备对于其预测的可解释性。在本文中,我们设计了一种新颖的无需模板的,自动逆向合成算法。其灵感来自化学家如何进行逆向合成预测。官方论文:https://arxiv.org/pdf/2011.02893v1.pdf



1. 使用方法

1.1. 准备数据集

进入终端,在root//RetroXpert(默认)路径下,运行以下命令:

python preprocessing.py 
# 预处理USPTO-50K数据集,准备所需的标签和DGL图

提取半模板数据

python extract_semi_template_pattern.py

1.2. 模型训练

进入终端,在root//RetroXpert(默认)路径下,运行以下命令:

python train.py --typed 
# 训练EGAT模型
参数 说明
--typed 类型

1.3. 模型评估

进入终端,在root//RetroXpert(默认)路径下,运行以下命令:

python train.py --typed --test_only/test_on_train  --load
参数 说明
--typed 类型
--test_only 仅测试
--test_ on _train 在训练集上测试
--load 加载

2. 模型来源

https://github.com/uta-smile/RetroXpert