🤖 machine learning

Margin-calibrated Classifier Guidance for Property-driven Synthesis Planning

本文介绍了序列完成排序（SCR），这是一种经过边际校准的分类器引导方法，它通过使预训练的自回归模型能够有效满足特定反应约束和性质目标，显著提升了多步化学合成规划的效果，从而大幅提高了求解率，并弥合了基于模板与无模板方法之间的多样性差距。

原作者： Najwa Laabid, Vikas Garg

发布于 2026-05-14

📖 1 分钟阅读☕ 轻松阅读

原作者： Najwa Laabid, Vikas Garg

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象你是一位主厨（即AI 模型），正试图根据一本食谱重现一道复杂而著名的菜肴（即目标分子）。你的任务是弄清楚需要购买哪些食材（即前体）来制作它。

通常，你的 AI 主厨已经阅读了数百万份食谱，非常擅长预测下一个食材。然而，它有一个习惯：即使你明确要求制作一道使用“辣辣椒”或“有机番茄”的菜肴，它也倾向于反复建议相同的流行食材。如果你只是让它“制作这道菜”，它可能会忽略你的具体要求，给你一个通用版本。

本文介绍了一种新方法，可以在不迫使主厨从头重新学习烹饪的情况下引导它。

问题所在：“通用”主厨

作者发现，标准的化学 AI 模型是在海量的反应数据集上训练的。因此，它们形成了一种强烈的“默认”思维方式。如果你试图引导它们进行特定类型的反应（例如“使用碳 - 碳偶联”）或使用特定的起始原料，标准 AI 往往会忽略你。

这就像一台已经记住了前往目的地最快路线的 GPS。如果你告诉 GPS“我想走风景优美的路线”，GPS 可能会无视你，继续指向高速公路，因为那是它被训练去做的。

失败的尝试：“交叉熵”教练

研究人员首先尝试使用标准的“教练”（一种通过交叉熵方法训练的分类器）来告诉主厨：“不，不是那个食材！选辣的那个！”

他们发现了一个根本缺陷：这位教练与主厨是在相同的数据上训练的。由于“辣辣椒”食谱在训练数据中很罕见，教练实际上并没有学会很好地区分它们。这就像聘请了一位只见过一张辣椒照片、其余全靠猜测的教练。当教练试图纠正主厨时，它的力量不足以克服主厨选择“安全”食材的强烈习惯。结果呢？主厨继续制作同样的通用菜肴。

解决方案：SCR（序列完成排序）

为了解决这个问题，作者发明了一种新的训练方法，称为序列完成排序（SCR）。

想象一种训练演练，教练不只是说“好”或“坏”。相反，教练制造了一个对比：

教练拿取主厨正在编写的部分食谱。
教练将最后一个食材替换为一个随机的、奇怪的食材（例如“牙膏”）。
教练随后迫使 AI 学习：“如果你想要辣味菜肴，‘辣辣椒’的得分必须显著高于‘牙膏’的得分，甚至高于主厨通常选择的‘安全’食材的得分。”

这就是基于边界的损失（Margin-Based Loss）。它就像一位严厉的评委，说道：“我不仅要求你正确；我要求你相对于错误选项明显正确。”通过以这种方式训练教练，它学会了即使在稀有食材的情况下，也能在“正确”路径和“错误”路径之间拉开巨大的差距。

实际运作方式

当 AI 主厨实际烹饪（逐步生成食谱）时：

主厨建议下一个食材。
SCR 教练查看该建议并说：“如果你选这个，最终菜肴将是辣味的。如果你选那个其他的，就不会是。”
主厨听从教练的建议并调整其选择，有效地将食谱“引导”至用户的特定要求（如特定的反应类型或起始原料）。

结果：解锁新食谱

本文在巨大的化学反应数据集（USPTO-190）上测试了该方法。

无引导时：当被要求遵循特定约束时，AI 仅能解决约**17%**的复杂食谱。
使用 SCR 引导时：成功率跃升至78%（针对反应类型）和95%（针对起始原料）。

最重要的是，AI 找到了33 个目标的有效食谱，而没有任何其他方法能够解决这些目标。这就像一位此前只局限于几道喜爱菜肴的主厨，突然学会了烹饪 33 道以前无法想出的新复杂菜肴。

为何这很重要

无需重新训练：你不需要教主厨一门新语言。你只需在最后添加这位“教练”来引导选择。
化学家的偏好：它允许人类化学家说：“我需要一条使用廉价、安全起始原料的路线”或“我需要避免危险化学品”，而 AI 将真正听从并找到这些特定路径。
多样性：它阻止了 AI 仅仅重复相同的旧解决方案，从而开启了更广阔的化学可能性世界。

简而言之，本文教导 AI 如何在不忘却如何烹饪的情况下听取具体指令，方法是训练一位专门的教练，该教练确切知道如何在即使正确路径罕见的情况下，区分正确路径与错误路径。

技术摘要：用于属性驱动合成规划的边际校准分类器引导

问题陈述

合成规划旨在生成高效的化学反应序列以生产目标分子。尽管数据驱动的单步（自回归）逆合成模型已取得显著进展，但它们通常在运行时不考虑特定的化学家偏好，例如倾向于稳健的反应类型（如 C–C 交叉偶联）或避免危险中间体。现有引入这些约束的方法存在局限：针对每个属性重新训练生成器计算成本高昂且对约束变化脆弱，而事后过滤则将搜索限制在基础模型已生成的序列内，导致有效但未被探索的路线无法触及。

分类器引导提供了一种轻量级替代方案，它利用辅助信号在推理时引导预训练生成器的输出。然而，作者识别出一种根本性的理论与实证失效模式：在逆合成数据上使用交叉熵（CE）损失训练的标准分类器无法提供必要的token 级判别能力。在稀疏的单断键反应数据集中，训练样本的“稀有单元”（即特定前缀导致目标属性但生成器不偏好的 token）在结构上代表性不足。因此，经 CE 训练的分类器无法对导致目标属性与背离目标属性的 token 延续赋予具有实质差异的概率，致使它们在束搜索（beam search）期间无法有效覆盖生成器的无条件分布。

方法论：序列完成排序（SCR）

为了克服交叉熵训练的局限性，作者提出了序列完成排序（Sequence Completion Ranking, SCR），这是一种新颖的训练流程，旨在校准 token 级分类器，确保其能够在解码过程中区分不同的延续。

1. CE 失效的理论分析

作者形式化分析了 CE 训练的分类器实现必要判别差距（ $\Delta_k > G_k$ ）所需的样本复杂度。他们证明，在逆合成数据上，“稀有单元”示例（即目标属性要求生成器不偏好的 token 的前缀）的数量不足以克服采样方差。即使数据集庞大，CE 估计量仍会坍缩至生成器的偏好，无法提供引导束搜索所需的信号。

2. SCR 训练流程

SCR 通过两种互补的修改来解决这一问题：

对比增强：对于每个部分序列，该方法通过将最后一个 token 替换为均匀随机的词汇表 token 来构建负样本。该 token 被赋予一个区别于所有反应类别的“通配”标签。这种合成增强在非策略位置填充了“稀有单元”，提供了标准标注所缺乏的跨类边界信号。
基于边际的排序损失：SCR 不单纯依赖后验概率估计，而是对引导后的对数分数施加直接的边际约束。对于真实 token $r^*_k$ 和生成器的首选替代 $\hat{r}_k$ ，损失函数强制要求：
$\tilde{s}_\alpha(r^*_k) - \tilde{s}_\alpha(\hat{r}_k) \geq \gamma$
其中 $\tilde{s}_\alpha$ 是生成器的对数概率与分类器的对数概率之和。该损失直接建立了引导所需的判别差距，将其与每个前缀的样本数量解耦。

3. 理论保证

作者证明（命题 1），满足这些逐步要求（具体而言，在分歧前缀处将概率 $c_1$ 分配给满足属性的延续，将 $c_2$ 分配给不满足属性的延续）的分类器，可证明地扩展了在引导束搜索下可达到的满足属性序列集合。这确立了 SCR 能够恢复那些在无引导解码中会被丢弃的目标。

主要贡献

CE 的理论局限性：本文确立了，由于单断键语料库中稀有 token-类别组合的结构稀疏性，交叉熵训练无法提供逆合成数据上分类器引导所需的 token 级判别能力。
SCR 算法：提出了序列完成排序，该算法结合对比增强与基于边际的排序损失，通过构建方式校准分类器，确保满足判别差距。
可达性证明：一项形式化证明表明，经 SCR 训练的分类器扩展了引导束搜索可达的化学空间，从理论上保证了恢复此前无法触及的满足属性序列。
实证验证：广泛的评估显示，SCR 能有效引导生成朝向特定的反应类型和起始原料，显著优于无模板和基于模板的基线方法。

实验结果

该方法在 USPTO-190 和 USPTO-50k 数据集上进行了评估，使用反应类型和起始原料相似度（Tanimoto）作为引导目标。

单步逆合成：在 USPTO-190-Steps（640 个产物）上，SCR 在所有基线中实现了最高的引导广度。它在 287 个无引导生成器完全失败的产物中，成功恢复了 231 个有效的引导前体。SCR 实现了 0.64 的引导广度，超越了最佳基于模板的方法（RetroKNN 为 0.51），并缩小了无模板与基于模板方法之间的多样性差距。
多步合成：在 190 个目标上使用 Retro* 搜索：
- 反应类型引导：将求解率从 16.8%（无引导）提升至 78.4%，提高了 4.7 倍，超出最佳无模板基线 12.6 个百分点。
- Tanimoto 引导：实现了 95.3% 的求解率，并具有最高的路线多样性。
- 新颖性：在两种信号下，引导为 33 个目标（17.4%）解锁了有效路线，而没有任何基线能够解决这些目标。
多样性：引导样本与无引导样本的 Jaccard 重叠仅为 39%，证实 SCR 探索了真正新的化学空间，而非仅仅对现有候选项进行重排序。
效率：与基于模板的方法相比，SCR 引导的搜索需要显著更少的搜索节点和模型调用，同时实现了更高的求解率。

意义与主张

本文主张，SCR 为可引导的合成规划问题提供了一个具有理论基础且经实证验证的解决方案。通过超越交叉熵训练的局限性，SCR 使自回归模型能够在推理时融入化学家指定的约束（反应类型、起始原料），而无需重新训练。

作者强调，他们的方法扩展了可达化学空间，超越了仅靠事后过滤或搜索级干预所能达到的范围。该方法有效地弥合了无模板与基于模板方法之间长期存在的多样性差距，提供了一个灵活的框架，用于属性驱动的合成规划，既尊重化学有效性，又满足特定用户偏好。这项工作表明，与通常过于激进地修剪搜索前沿的硬过滤相比，token 级引导是执行约束的更优粒度。