上海交通大学的研究团队在《Journal of Cheminformatics》上发表了一篇关于逆合成预测的研究。他们提出了一种无监督的SMILES序列对齐技术，用于提高化学反应预测的准确性和效率。实验证明该模型在预测逆合成路径方面有效，并有潜力成为药物发现的有价值工具。作者还提出了一种基于图注意力网络的变体，用于提供更强大的分子表征能力。实验结果显示该模型在多个数据集上的性能优于其他基线模型，并且生成的合成方案具有更高的合法性和可行性。作者认为该模型具有广泛的应用潜力，并可以作为构建多步逆合成系统的基石。