Resumo Técnico: HiRes – Memória de Precedentes Inspecionável para Recomendação de Condições de Reação

Declaração do Problema

A recomendação de condições de reação é uma tarefa crítica a jusante no planejamento de síntese impulsionado por IA, ocorrendo após a seleção de desconexões retrosintéticas. Embora os químicos exijam previsões precisas para catalisadores, solventes e reagentes, eles também necessitam dos precedentes químicos concretos que justifiquem essas recomendações para garantir a viabilidade experimental.

As abordagens existentes otimizam tipicamente apenas uma metade deste fluxo de trabalho:

1. Classificadores paramétricos mapeiam grafos ou strings de reação diretamente para rótulos de condições, mas carecem de interpretabilidade inerente ou recuperação de precedentes.
2. Memórias não paramétricas (por exemplo, fingerprints de Morgan, DRFP) oferecem buscas eficientes por vizinhos mais próximos, mas podem carecer de compreensão matizada de transformações de reação complexas.
3. Sistemas semi-paramétricos em outros domínios sugerem que combinar preditores aprendidos com armazenamentos de dados externos melhora o desempenho, mas essa integração não foi totalmente realizada em uma representação química unificada que sirva simultaneamente como recurso de classificador e índice de precedentes inspecionável.

O desafio central abordado por este artigo é: Uma única representação aprendida de reação pode suportar tanto a previsão direta de condições quanto um índice de precedentes consultável no momento da decisão?

Metodologia: HiRes (Representações Hierárquicas de Reação)

HiRes é um sistema de recomendação de condições aumentado por recuperação, construído sobre uma representação hierárquica da reatividade química, progredindo da estrutura molecular para desconexões de ligação e, finalmente, para padrões de reação completos.

1. Arquitetura Hierárquica

O modelo segue uma progressão de três níveis:

• Nível 1: Representações de Moléculas: Reagentes e produtos são codificados usando uma Rede de Atenção em Grafos compartilhada de quatro camadas (GATv2) com nós virtuais. Isso impõe uma base molecular comum antes do raciocínio sobre a direção da reação.
• Nível 2: Representações de Desconexão: Incorporações em nível atômico interagem via atenção cruzada bidirecional. Se mapas atômicos estiverem disponíveis, um viés de atenção suave é aplicado; caso contrário, o modelo recorre à atenção cruzada padrão. O modelo gera duas decomposições sem parâmetros:
  • $z_\Delta = p - r$: Enfatiza a transformação química.
  • $z_\Sigma = p + r$: Preserva o contexto da reação.
• Nível 3: Representações de Reação e Condição: O vetor completo de reação $z_{rxn}$ é uma fusão com portão de seis fluxos explícitos:
  1. Contexto concatenado reagente-produto.
  2. Diferença ($z_\Delta$).
  3. Soma ($z_\Sigma$).
  4. Descritores projetados (incluindo Impressões Digitais de Reação Diferenciais, DRFP).
  5. Recursos derivados de DFT.
  6. Diferença do centro de reação.
     Este vetor fundido (256 dimensões) é concatenado com $z_\Delta$ e alimentado em cabeças MLP residuais para prever os papéis de catalisador, solvente e reagente. O treinamento utiliza supervisão multi-hot consciente de ambiguidade com entropia cruzada binária ponderada por foco para lidar com múltiplos conjuntos válidos de condições.

2. Previsão Aumentada por Recuperação

HiRes integra uma camada de recuperação não paramétrica para complementar as cabeças paramétricas:

• Indexação: As reações de treinamento são indexadas por suas incorporações aprendidas ($z_{rxn}$) usando FAISS.
• Inferência Híbrida: Para uma consulta, o sistema recupera $k=10$ vizinhos mais próximos. A previsão final é uma combinação ponderada das probabilidades da cabeça aprendida ($p_{head}$) e das probabilidades de votação dos vizinhos k-NN ($p_{knn}$):
  $$p_{hyb}(y | R) = \alpha p_{head}(y | R) + (1 - \alpha) p_{knn}(y | R)$$
  onde $\alpha = 0.5$ na configuração fixa.

Contribuições Principais

1. Representação Unificada: Uma única representação hierárquica que atua simultaneamente como um recurso forte de classificador e uma memória de precedentes inspecionável, associando cada recomendação a vizinhos concretos.
2. Desempenho de Estado da Arte: Alcançou resultados de ponta no benchmark USPTO-Condition de slot primário, superando baselines estabelecidas como o REACON na seleção de solventes e reagentes, ao mesmo tempo que igualou as melhores pontuações de catalisadores relatadas.
3. Complementariedade Validada Estatisticamente: Demonstrado via análise bootstrap pareada que fundir cabeças de predição aprendidas com recuperação k-NN produz ganhos estatisticamente significativos para a seleção de solventes e reagentes sobre abordagens puramente paramétricas.
4. Avaliação Integrada: Mostrou que um framework unificado pode simplificar o pipeline computacional para assistentes voltados ao químico, expondo vizinhos inspecionáveis ao lado das previsões.

Resultados Experimentais

O sistema foi avaliado no conjunto de dados USPTO-Condition (680.741 reações) usando as divisões padrão de treinamento/validação/teste e os protocolos de avaliação da Tabela S9 do REACON.

• Precisão do Slot Primário (Acc@1):
  • Catalisador: 0,929 (Empata com a melhor baseline relatada, por exemplo, REACON D-MPNN).
  • Solvente: 0,534 (Supera o REACON em +3,0 pontos).
  • Reagente: 0,530 (Supera o REACON em +3,0 pontos).
• Híbrido vs. Paramétrico: O modelo híbrido (HiRes-Híbrido) melhorou a Acc@1 de Solvente em +1,1 pontos e a Acc@1 de Reagente em +1,0 ponto sobre as cabeças End2End puramente paramétricas. Esses ganhos foram confirmados como estatisticamente significativos (IC 95%) via bootstrap pareado sobre 10.000 reamostragens.
• Comparação com Baseline: O HiRes-Híbrido superou as baselines de busca exata DRFP na previsão de solventes e reagentes, demonstrando que representações aprendidas superam fingerprints estáticos nestes slots complexos.
• Nota sobre Desequilíbrio de Catalisadores: Os autores observam explicitamente que 87% das linhas de teste de catalisadores mapeiam para "ausente/Nenhum". Embora a Acc@1 geral seja alta (0,929) devido a este desequilíbrio, a Acc@1 "apenas-presente" é 0,604, indicando poder preditivo ativo robusto.

Significado e Alegações

O artigo alega que o HiRes preenche a lacuna entre precisão preditiva e interpretabilidade química. Ao usar o mesmo espaço de reação aprendido para classificação e recuperação, o HiRes fornece:

• Recomendações Competitivas: Previsões de alta precisão para catalisadores, solventes e reagentes.
• Precedentes Acionáveis: Acesso imediato aos precedentes químicos específicos que justificam a recomendação, o que é essencial para o planejamento prático de síntese e intervenção de especialistas.

Os autores posicionam o HiRes não como um motor de execução autônomo, mas como um sistema de suporte à decisão para químicos. Ele é projetado para reduzir o esforço de busca manual e aumentar a transparência nos fluxos de trabalho de síntese assistida por IA, com a ressalva explícita de que as recomendações devem ser verificadas por químicos qualificados e restringidas por procedimentos de segurança. O trabalho estabelece que integrar recuperação com cabeças de condição aprendidas fornece um sinal complementar que é particularmente valioso para a seleção de solventes e reagentes, onde os dados de precedentes são densos e altamente informativos.