RetroDFM-R: Reasoning-Driven Retrosynthesis Prediction with Large Language Models via Reinforceme...

文章主要内容总结

本文提出了一种名为RETRODFM-R的推理驱动型大型语言模型（LLM），专门用于化学逆合成预测。逆合成规划是有机合成和药物发现的核心环节，但现有方法在适用性和可解释性上存在局限。RETRODFM-R通过三阶段训练范式（持续预训练、冷启动推理蒸馏、大规模强化学习）整合化学领域知识与先进推理能力，结合可验证的化学奖励机制，显著提升了预测准确性和可解释性。

实验结果显示，RETRODFM-R在USPTO-50K基准数据集上的top-1准确率达到65.0%，超过现有最先进方法；在含手性、环结构等复杂反应中表现优异，且能准确预测文献中报道的药物分子和钙钛矿材料的多步逆合成路线。双盲人类评估验证了其预测的化学合理性和实用价值，其显式推理过程为人类提供了可解释的见解，增强了实际应用中的可信度。

创新点

1. 三阶段训练范式：结合持续预训练（富集逆合成领域知识）、冷启动推理蒸馏（初始化思维链推理能力）和大规模强化学习（优化推理准确性），针对性提升模型的化学知识和推理能力。
2. SMILES-IUPAC转换训练：通过训练模型进行SMILES（简化分子线性输入规范）与IUPAC（国际纯粹与应用化学联合会）名称的转换，桥接文本化化学知识（如IUPAC名称中的结构信息）与模型输入输出所需的SMILES表示。
3. 思维链（CoT）推理增强可解释性：模拟化学家的逐步推理逻辑，显式生成推理过程，使预测不仅准确，还能提供可人类理解的依据（如反应类型、试剂选择、条件分析）。
4. 在