化学反応の妥当性を意識した大規模言語モデルの学習手法を提案
本文の状態
日本語全文を表示中
詳細モードで約1分の本文を読めます。
同じ出来事の情報源
この情報源を基点に整理
Hugging Face Daily Papers
研究者らは単一回答評価の限界を克服するため、Top-K プロンプティングと大規模検証データを用いた新しい学習パラダイムを導入し、化学反応予測の多様性と精度を大幅に向上させるモデルを開発した。
AI深層分析を開く2026年8月20日 16:35
AI深層分析
キーポイント
Top-K プロンプティングの導入
単一回答評価では捉えきれない「1 対多数」の性質に対応するため、多様な妥当な反応予測をキャプチャする Top-K プロンプティングをトレーニングおよび推論のパラダイムとして提案した。
大規模検証データの構築
CREED-CCV-2 と USPTO-XL を統合し、約 4,560 万件の検証済み反応からなる超大型データセット「CREED-CCV-2+USPTO-XL」を構築して C3LM モデルの訓練に活用した。
性能評価と新基準達成
ChemCensor ベースおよび新規性指向の報酬による微調整を実施し、OOD URSA-expert-2026 バンチマークにおいて最先端のパフォーマンスを達成した。
アンサンブルシステムの提案
反応の一意性に関する分析により、LLM と従来のモデルが補完的な反応空間を探索することが示され、これらを組み合わせたアンサンブル型逆合成システムの動機付けとなった。
重要な引用
Single-step retrosynthesis is a central component of computer-aided synthesis planning, yet its intrinsically one-to-many nature is poorly captured by single-answer evaluation and benchmarking protocols.
We introduce Top-K prompting as a robust training and inference paradigm to better capture diverse, plausible reaction predictions.
Our model achieves state-of-the-art performance on the OOD URSA-expert-2026 benchmark.
編集コメントを表示
編集コメント
化学分野における LLM の応用が、単なる予測精度の向上から多様性の確保へと焦点を移している点は注目すべき進展である。大規模データセットと新しい評価指標の組み合わせは、実務での活用範囲を広げる重要な一歩となるだろう。
Source Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
単一ステップの逆合成は、コンピュータ支援合成計画の中核をなす要素ですが、その本質的な「1 対多」の性質は、単一の回答を評価・ベンチマークする従来の手法では十分に捉えきれていません。この課題に対処するため、私たちは Top-K プロンプティングという堅牢なトレーニングおよび推論パラダイムを導入し、多様で妥当性の高い反応予測をより効果的に捉えることを目指しました。
C3LM（Chemistry Constraint-Consistent Language Model）の訓練には、CREED-CCV-2+USPTO-XL と呼ばれる約 4,560 万件の検証済み反応からなる超大型データセットを構築・利用しています。さらに、ChemCensor ベースの評価と新規性指向の報酬を組み合わせたファインチューニングを行うことで、当モデルは OOD URSA-expert-2026 ベンチマークにおいて最良の性能を達成しました。
反応の一意性に関するさらなる分析では、LLM と従来のモデルが補完的な反応空間を探索していることが示唆され、アンサンブル型逆合成システムの構築への動機づけとなりました。全体的に、本研究の結果は、Top-K と妥当性意識型のトレーニングが、堅牢な将来の LLM 基盤合成計画に向けた実用的かつ新たな方向性を確立するものであることを示しています。
原文を表示
Single-step retrosynthesis is a central component of computer-aided synthesis planning, yet its intrinsically one-to-many nature is poorly captured by single-answer evaluation and benchmarking protocols. To address this, we introduce Top-K prompting as a robust training and inference paradigm to better capture diverse, plausible reaction predictions. We compile CREED-CCV-2+USPTO-XL, an ultra-large-scale dataset of ~45.6 million verified reactions to train the C3LM (Chemistry Constraint-Consistent Language Model). By integrating fine-tuning with ChemCensor-based and novelty-oriented rewards, our model achieves state-of-the-art performance on the OOD URSA-expert-2026 benchmark. Further analysis of reaction uniqueness shows that LLMs and conventional models explore complementary reaction spaces, motivating ensemble-based retrosynthesis systems. Overall, our results establish Top-K, plausibility-aware training as a practical new direction for robust future LLM-based synthesis planning.
関連記事
News to Guide
ニュースの次に確認する
発表内容を、現在の料金や仕様と照らし合わせられる関連ガイドです。
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み