化學家導向的逆合成分析：整合具備不同歸納偏置模型的組合方法

化學合成是發現和製造功能性小分子的關鍵瓶頸。儘管人工智慧輔助合成規劃近年來蓬勃發展，但對其失敗模式的深入理解仍不足，模型在預測較少見但具戰略重要性的反應，以及生成與化學家預期不符的錯誤預測方面仍面臨挑戰。本研究分析了現有AI模型的失敗模式，並提出RetroChimera，一個結合兩種新開發、具互補歸納偏置的組件，並透過新穎的學習式集成策略整合。實驗結果顯示RetroChimera在多種數據規模下均優於領先基準，展現出訓練數據以外的穩健性，並能從極少量的範例中學習。有機化學家偏好RetroChimera的預測結果，甚至優於已發表的參考反應和其他AI模型。此外，該模型在兩家主要製藥公司的內部數據集上展現了零樣本遷移和微調能力，在分布轉移下表現出穩健的泛化能力。這項工作證明了深度學習在日益嚴峻的挑戰下，實現精確合成預測的可行性。

值得注意該研究提出具備化學家偏好度的AI逆合成分析模型，解決了現有AI在化學合成預測的關鍵瓶頸與挑戰，影響深遠。