ملخص تقني: HiRes – ذاكرة سوابق قابلة للفحص لتوصية ظروف التفاعل

بيان المشكلة

تعد توصية ظروف التفاعل مهمة حيوية في مرحلة لاحقة من التخطيط الاصطناعي المدعوم بالذكاء الاصطناي، وتأتي بعد اختيار التفكك الرجعي (retrosynthetic disconnection). وبينما يحتاج الكيميائيون إلى تنبؤات دقيقة للمحفزات، والمذيبات، والكواشف، فإنهم يحتاجون أيضًا إلى السوابق الكيميائية الملموسة التي تبرر تلك التوصيات لضمان الجدوى التجريبية.

تعتمد النهج الحالية عادةً على تحسين نصف واحد فقط من سير العمل هذا:

1. المصنفات البارامترية (Parametric classifiers): تقوم برسم خرائط من الرسوم البيانية للتفاعلات أو السلاسل مباشرة إلى تسميات الظروف، لكنها تفتقر إلى القابلية المتأصلة للتفسير أو استرجاع السوابق.
2. الذاكرات غير البارامترية (Non-parametric memories): (مثل بصمات Morgan أو DRFP) توفر عمليات بحث فعالة عن أقرب الجيران، ولكنها قد تفتقر إلى الفهم الدقيق للتحولات الكيميائية المعقدة.
3. الأنظمة شبه البارامترية (Semi-parametric systems): في مجالات أخرى، تقترح أن الجمع بين المتنبئات المتعلمة ومخازن البيانات الخارجية يحسن الأداء، ولكن لم يتم تحقيق هذا التكامل بشكل كامل في تمثيل كيميائي موحد يعمل كسمة للمصنف وكفهرس سوابق قابل للفحص في آن واحد.

التحدي الجوهري الذي تعالجه هذه الورقة هو: هل يمكن لتمثيل تفاعل متعلم واحد أن يدعم كلاً من التنبؤ المباشر بالظروف واستعلام فهرس السوابق في وقت اتخاذ القرار؟

المنهجية: HiRes (تمثيلات التفاعل الهرمية)

نظام HiRes هو نظام توصية ظروف مدعوم بالاسترجاع، مبني على تمثيل هرمي للتفاعلية الكيميائية، يتدرج من البنية الجزيئية إلى التفككات الرابطية وصولاً إلى أنماط التفاعل الكاملة.

1. البنية الهرمية

يتبع النموذج تسلسلاً من ثلاثة مستويات:

• المستوى 1: تمثيلات الجزيئات: يتم ترميز المتفاعلات والنواتج باستخدام شبكة انتباه رسومي مشتركة (GATv2) مكونة من أربع طبقات مع عقد افتراضية. يفرض هذا أساسًا جزيئيًا مشتركًا قبل التفكير في اتجاه التفاعل.
• المستوى 2: تمثيلات التفكك: تتفاعل تضمينات الذرات عبر الانتباه المتبادل ثنائي الاتجاه. إذا كانت خرائط الذرات (atom maps) متاحة، يتم تطبيق انحياز انتباه ناعم؛ وإلا، ينتقل النموذج إلى الانتباه المتبادل القياسي. يولد النموذج تفككين بدون بارامترات:
  • $z_\Delta = p - r$: يركز على التحول الكيميائي.
  • $z_\Sigma = p + r$: يحافظ على سياق التفاعل.
• المستوى 3: تمثيلات التفاعل والظروف: متجه التفاعل الكامل $z_{rxn}$ هو دمج بوابي (gated fusion) لستة تدفقات صريحة:
  1. سياق المتفاعلات والنواتج المتصل.
  2. الفرق ($z_\Delta$).
  3. المجموع ($z_\Sigma$).
  4. الواصفات الهندسية (بما في ذلك بصمات التفاعل التفاضلية، DRFP).
  5. الميزات المستمدة من نظرية الكثافة الوظيفية (DFT).
  6. فرق مركز التفاعل.
     يتم دمج هذا المتجه المدمج (256 بُعدًا) مع $z_\Delta$ وتلقيمه في رؤوس MLP متبقية (residual MLP heads) للتنبؤ بأدوار المحفز، والمذيب، والكاشف. يستخدم التدريب إشرافًا متعدد السخاء (multi-hot supervision) مدركًا للغموض مع خسارة التقاطع الثنائي الموزونة بـ focal للتعامل مع مجموعات الظروف متعددة الصلاحية.

2. التنبؤ المدعوم بالاسترجاع

يدمج HiRes طبقة استرجاع غير بارامترية لتكملة الرؤوس البارامترية:

• الفهرسة: يتم فهرسة التفاعلات التدريبية باستخدام تضميناتها المتعلمة ($z_{rxn}$) باستخدام FAISS.
• الاستدلال الهجين: بالنسبة للاستعلام، يسترجع النظام أقرب $k=10$ جيران. التنبؤ النهائي هو مزيج مرجح من احتمالات الرأس المتعلم ($p_{head}$) واحتمالات تصويت أقرب $k$ جار ($p_{knn}$):
  $$p_{hyb}(y | R) = \alpha p_{head}(y | R) + (1 - \alpha) p_{knn}(y | R)$$
  حيث $\alpha = 0.5$ في التكوين الثابت.

المساهمات الرئيسية

1. تمثيل موحد: تمثيل هرمي واحد يعمل في آن واحد كسمة مصنف قوية وكذاكرة سوابق قابلة للفحص، مما يربط كل توصية بجيران ملموسين.
2. أداء رائد (State-of-the-Art): حقق نتائج رفيعة المستوى في معيار USPTO-Condition الأساسي، متفوقًا على النماذج المرجعية الراسخة مثل REACON في اختيار المذيبات والكواشف، ومطابقًا لأفضل درجات المحفزات المسجلة.
3. تكامل مثبت إحصائيًا: أثبت عبر تحليل bootstrap المزدوج أن دمج رؤوس التنبؤ المتعلمة مع استرجاع k-NN يحقق مكاسب ذات دلالة إحصائية في اختيار المذيبات والكوا Reagents مقارنة بالنهج البارامترية البحتة.
4. تقييم متكامل: أظهر أن الإطار الموحد يمكن أن يبسط خط الإنتاج الحسابي للمساعدين الموجهين للكيميائيين من خلال عرض الجيران القابلين للفحص جنباً إلى جنب مع التنبؤات.

النتائج التجريبية

تم تقييم النظام على مجموعة بيانات USPTO-Condition (680,741 تفاعلًا) باستخدام تقسيمات التدريب/التحقق/الاختبار القياسية وبروتوكولات تقييم REACON Table S9.

• دقة الفتحة الأساسية (Acc@1):
  • المحفز (Catalyst): 0.929 (يساوي أفضل نموذج مرجعي مسجل، مثل REACON D-MPNN).
  • المذيب (Solvent): 0.534 (يتفوق على REACON بمقدار +3.0 نقاط).
  • الكاشف (Reagent): 0.530 (يتفوق على REACON بمقدار +3.0 نقاط).
• الهجين مقابل البارامتري: حسن نموذج HiRes-Hybrid دقة المذيب (Solvent Acc@1) بمقدار +1.1 نقطة ودقة الكاشف (Reagent Acc@1) بمقدار +1.0 نقطة مقارنة برؤوس End2End البارامترية البحتة. تم تأكيد هذه المكاسب بأنها ذات دلالة إحصائية (95% CI) عبر bootstrap لـ 10,000 عينة.
• مقارنة النماذج المرجعية: تفوق HiRes-Hybrid على نماذج DRFP ذات البحث الدقيق في التنبؤ بالمذيبات والكواشف، مما يثبت أن التمثيلات المتعلمة تتفوق على البصمات الثابتة في هذه المهام المعقدة.
• ملاحظة حول عدم توازن المحفز: يشير المؤلفون صراحةً إلى أن 87% من صفوف اختبار المحفز ترتبط بـ "غائب/لا يوجد". وبالرغم من أن Acc@1 الإجمالي مرتفع (0.929) بسبب هذا الاختلال، فإن Acc@1 لـ "الموجود فقط" هو 0.604، مما يشير إلى قدرة تنبؤية نشطة وقوية.

الأهمية والادعاءات

تدعي الورقة أن HiRes يسد الفجوة بين الدقة التنبؤية والقابلية للتفسير الكيميائي. من خلال استخدام نفس الفضاء التفاعلي المتعلم لكل من التصنيف والاسترجاع، يوفر HiRes:

• توصيات تنافسية: تنبؤات عالية الدقة للمحفزات، والمذيبات، والكواشف.
• سوابق قابلة للتنفيذ: وصول فوري إلى السوابق الكيميائية المحددة التي تبرر التوصية، وهو أمر ضروري للتخطيط الاصطناعي العملي وتدخل الخبراء.

يضع المؤلفون HiRes ليس كمحرك تنفيذ مستقل، بل كنظام دعم قرار للكيميائيين. إنه مصمم لتقليل جهد البحث اليدوي وزيادة الشفافية في سير عمل التخليق المدعوم بالذكاء الاصطناعي، مع التنبيه الصريح بضرية وجوب التحقق من التوصيات من قبل كيميائيين مؤهلين والالتزام بإجراءات السلامة. يرسخ هذا العمل حقيقة أن دمج الاسترجاع مع رؤوس الظروف المتعلمة يوفر إشارة مكملة، وهي مفيدة بشكل خاص لاختيار المذيبات والكواشف، حيث تكون بيانات السوابق كثيفة وغنية بالمعلومات.