RetroGFN：基於 GFlowNets 的多樣且可行的反合成
原文中文，约300字，阅读约需1分钟。发表于：。该研究提出了一种新颖的单步逆向合成模型 RetroGFN，通过在训练过程中利用一个可行性代理模型，可以探索有限数据集之外的可能反应，并返回多样的可行反应集合。实验证明 RetroGFN 在标准前 k 名准确率上具有竞争力，并在往返准确率方面优于现有方法。此外，提供了使用往返准确率的经验性论据，扩展了与标准前 k 名准确率指标相关的可行性概念。
该研究提出了一种新颖的单步逆向合成模型 RetroGFN，通过利用可行性代理模型，可以探索有限数据集之外的可能反应，并返回多样的可行反应集合。实验证明 RetroGFN 在准确率上具有竞争力，并在往返准确率方面优于现有方法。
