Résumé Technique : HiRes – Mémoire de Précedents Inspectables pour la Recommandation de Conditions de Réaction

Énoncé du Problème

La recommandation de conditions de réaction est une tâche en aval critique dans la planification de synthèse pilotée par l'IA, survenant après la sélection de la disconnection rétrosynthétique. Alors que les chimistes ont besoin de prédictions précises pour les catalyseurs, les solvants et les réactifs, ils requièrent également les précédents chimiques concrets qui justifient ces recommandations afin d'assurer la faisabilité expérimentale.

Les approches existantes optimisent généralement seulement la moitié de ce flux de travail :

1. Les classificateurs paramétriques mappent les graphes de réaction ou les chaînes directement vers des étiquettes de conditions mais manquent d'interprétabilité inhérente ou de récupération de précédents.
2. Les mémoires non paramétriques (par exemple, empreintes Morgan, DRFP) offrent des recherches efficaces des plus proches voisins mais peuvent manquer d'une compréhension nuancée des transformations de réaction complexes.
3. Les systèmes semi-paramétriques dans d'autres domaines suggèrent que la combinaison de prédicteurs appris avec des bases de données externes améliore les performances, mais cette intégration n'a pas été pleinement réalisée dans une représentation chimique unifiée servant à la fois de caractéristique de classificateur et d'index de précédents inspectable.

Le défi central abordé par cet article est : Une seule représentation de réaction apprise peut-elle soutenir à la fois la prédiction directe de conditions et un index de précédents interrogeable au moment de la décision ?

Méthodologie : HiRes (Représentations Hiérarchiques de Réaction)

HiRes est un système de recommandation de conditions augmenté par la récupération, construit sur une représentation hiérarchique de la réactivité chimique, progressant de la structure moléculaire aux disconnections de liaisons et enfin aux motifs de réaction complets.

1. Architecture Hiérarchique

Le modèle suit une progression à trois niveaux :

• Niveau 1 : Représentations Moléculaires : Les réactifs et les produits sont encodés à l'aide d'un Réseau d'Attention sur Graphes partagé à quatre couches (GATv2) avec des nœuds virtuels. Cela impose une base moléculaire commune avant le raisonnement sur la direction de la réaction.
• Niveau 2 : Représentations de Disconnection : Les embeddings au niveau de l'atome interagissent via une attention croisée bidirectionnelle. Si des cartes d'atomes sont disponibles, un biais d'attention douce est appliqué ; sinon, le modèle revient par défaut à l'attention croisée standard. Le modèle génère deux décompositions sans paramètres :
  • $z_\Delta = p - r$ : Met l'accent sur la transformation chimique.
  • $z_\Sigma = p + r$ : Préserve le contexte de la réaction.
• Niveau 3 : Représentations de Réaction et de Condition : Le vecteur de réaction complet $z_{rxn}$ est une fusion contrôlée de six flux explicites :
  1. Contexte concaténé réactif-produit.
  2. Différence ($z_\Delta$).
  3. Somme ($z_\Sigma$).
  4. Descripteurs conçus (incluant les Empreintes de Réaction Différentielles, DRFP).
  5. Caractéristiques dérivées de la DFT.
  6. Différence du centre de réaction.
     Ce vecteur fusionné (256 dimensions) est concaténé avec $z_\Delta$ et alimente des têtes MLP résiduelles pour prédire les rôles de catalyseur, de solvant et de réactif. L'entraînement utilise une supervision multi-hot consciente de l'ambiguïté avec une entropie croisée binaire pondérée par focal pour gérer plusieurs ensembles de conditions valides.

2. Prédiction Augmentée par la Récupération

HiRes intègre une couche de récupération non paramétrique pour compléter les têtes paramétriques :

• Indexation : Les réactions d'entraînement sont indexées par leurs embeddings appris ($z_{rxn}$) en utilisant FAISS.
• Inférence Hybride : Pour une requête, le système récupère $k=10$ plus proches voisins. La prédiction finale est une combinaison pondérée des probabilités de la tête apprise ($p_{head}$) et des probabilités de vote des voisins k-NN ($p_{knn}$) :
  $$p_{hyb}(y | R) = \alpha p_{head}(y | R) + (1 - \alpha) p_{knn}(y | R)$$
  où $\alpha = 0,5$ dans la configuration fixe.

Contributions Clés

1. Représentation Unifiée : Une seule représentation hiérarchique qui agit simultanément comme une caractéristique de classificateur puissant et une mémoire de précédents inspectable, associant chaque recommandation à des voisins concrets.
2. Performances de l'État de l'Art : Résultats de premier plan obtenus sur le benchmark USPTO-Condition à emplacement principal, surpassant les bases établies comme REACON pour la sélection de solvants et de réactifs tout en égalant les meilleurs scores de catalyseur rapportés.
3. Complémentarité Validée Statistiquement : Démontré via une analyse de bootstrap appariée que la fusion des têtes de prédiction apprises avec la récupération k-NN produit des gains statistiquement significatifs pour la sélection de solvants et de réactifs par rapport aux approches purement paramétriques.
4. Évaluation Intégrée : Montrer qu'un cadre unifié peut rationaliser le pipeline de calcul pour les assistants destinés aux chimistes en exposant des voisins inspectables aux côtés des prédictions.

Résultats Expérimentaux

Le système a été évalué sur le jeu de données USPTO-Condition (680 741 réactions) en utilisant les divisions standard entraînement/validation/test et les protocoles d'évaluation du Tableau S9 de REACON.

• Précision de l'Emplacement Principal (Acc@1) :
  • Catalyseur : 0,929 (Égalise la meilleure base rapportée, par exemple REACON D-MPNN).
  • Solvant : 0,534 (Surpasse REACON de +3,0 points).
  • Réactif : 0,530 (Surpasse REACON de +3,0 points).
• Hybride vs Paramétrique : Le modèle hybride (HiRes-Hybrid) a amélioré la Précision Solvant Acc@1 de +1,1 point et la Précision Réactif Acc@1 de +1,0 point par rapport aux têtes End2End purement paramétriques. Ces gains ont été confirmés comme statistiquement significatifs (IC 95 %) via un bootstrap apparié sur 10 000 rééchantillonnages.
• Comparaison avec les Bases : HiRes-Hybrid a surpassé les bases de recherche exacte DRFP sur la prédiction de solvants et de réactifs, démontrant que les représentations apprises surpassent les empreintes statiques dans ces emplacements complexes.
• Note sur le Déséquilibre des Catalyseurs : Les auteurs notent explicitement que 87 % des lignes de test de catalyseur correspondent à "absent/Aucun". Bien que la Précision globale Acc@1 soit élevée (0,929) en raison de ce déséquilibre, la Précision "présent-seulement" Acc@1 est de 0,604, indiquant un pouvoir prédictif actif robuste.

Signification et Revendications

L'article revendique que HiRes comble le fossé entre précision prédictive et interprétabilité chimique. En utilisant le même espace de réaction appris pour la classification et la récupération, HiRes fournit :

• Recommandations Compétitives : Prédictions de haute précision pour les catalyseurs, les solvants et les réactifs.
• Précédents Actionnables : Accès immédiat aux précédents chimiques spécifiques qui justifient la recommandation, ce qui est essentiel pour la planification de synthèse pratique et l'intervention d'experts.

Les auteurs positionnent HiRes non pas comme un moteur d'exécution autonome, mais comme un système d'aide à la décision pour les chimistes. Il est conçu pour réduire l'effort de recherche manuel et augmenter la transparence dans les flux de travail de synthèse assistés par l'IA, avec la mise en garde explicite que les recommandations doivent être vérifiées par des chimistes qualifiés et contraintes par des procédures de sécurité. Le travail établit que l'intégration de la récupération avec des têtes de conditions apprises fournit un signal complémentaire particulièrement précieux pour la sélection de solvants et de réactifs, où les données de précédents sont denses et hautement informatives.