亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Exploring BERT for Reaction Yield Prediction: Evaluating the Impact of Tokenization, Molecular Representation, and Pretraining Data Augmentation

词汇分析 产量(工程) 计算机科学 代表(政治) 人工智能 自然语言处理 机器学习 材料科学 政治学 政治 冶金 法学
作者
Adrian Krzyzanowski,Stephen D. Pickett,Péter Pogány
出处
期刊:Journal of Chemical Information and Modeling [American Chemical Society]
标识
DOI:10.1021/acs.jcim.5c00359
摘要

Predicting reaction yields in synthetic chemistry remains a significant challenge. This study systematically evaluates the impact of tokenization, molecular representation, pretraining data, and adversarial training on a BERT-based model for yield prediction of Buchwald-Hartwig and Suzuki-Miyaura coupling reactions using publicly available HTE data sets. We demonstrate that molecular representation choice (SMILES, DeepSMILES, SELFIES, Morgan fingerprint-based notation, IUPAC names) has minimal impact on model performance, while typically BPE and SentencePiece tokenization outperform other methods. WordPiece is strongly discouraged for SELFIES and fingerprint-based notation. Furthermore, pretraining with relatively small data sets (<100 K reactions) achieves comparable performance to larger data sets containing millions of examples. The use of artificially generated domain-specific pretraining data is proposed. The artificially generated sets prove to be a good surrogate for the reaction schemes extracted from reaction data sets such as Pistachio or Reaxys. The best performance was observed for hybrid pretraining sets combining the real and the domain-specific, artificial data. Finally, we show that a novel adversarial training approach, perturbing input embeddings dynamically, improves model robustness and generalizability for yield and reaction success prediction. These findings provide valuable insights for developing robust and practical machine learning models for yield prediction in synthetic chemistry. GSK's BERT training code base is made available to the community with this work.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
调皮毛豆完成签到 ,获得积分10
3秒前
枫泾完成签到,获得积分10
7秒前
12秒前
XiaoLiu应助liuxl采纳,获得20
12秒前
594zqz发布了新的文献求助10
18秒前
米线ing完成签到,获得积分10
25秒前
594zqz完成签到,获得积分10
25秒前
曹沛岚完成签到,获得积分10
27秒前
QiongYin_123完成签到 ,获得积分10
30秒前
Ava应助张必雨采纳,获得10
33秒前
卑微学术人完成签到 ,获得积分10
40秒前
44秒前
wackykao完成签到 ,获得积分10
50秒前
张必雨发布了新的文献求助10
51秒前
zzl发布了新的文献求助50
55秒前
1分钟前
NaruoyLeeee发布了新的文献求助10
1分钟前
米奇妙妙吴完成签到,获得积分10
1分钟前
zzl驳回了mayhem应助
1分钟前
七叶树完成签到,获得积分10
1分钟前
1分钟前
充电宝应助张必雨采纳,获得10
1分钟前
1分钟前
爆米花应助吴逸彪采纳,获得10
1分钟前
徐志豪发布了新的文献求助10
1分钟前
1分钟前
1分钟前
传奇3应助徐志豪采纳,获得10
1分钟前
张必雨发布了新的文献求助10
1分钟前
楼若风发布了新的文献求助10
1分钟前
1分钟前
1分钟前
吴逸彪发布了新的文献求助10
1分钟前
Dushur发布了新的文献求助10
1分钟前
NaruoyLeeee完成签到,获得积分10
1分钟前
YifanWang应助科研通管家采纳,获得10
1分钟前
我是老大应助科研通管家采纳,获得10
1分钟前
1分钟前
楼若风完成签到,获得积分10
1分钟前
Dushur完成签到,获得积分10
2分钟前
高分求助中
(应助此贴封号)【重要!!请各位详细阅读】【科研通的精品贴汇总】 10000
Voyage au bout de la révolution: de Pékin à Sochaux 700
ICDD求助cif文件 500
First Farmers: The Origins of Agricultural Societies, 2nd Edition 500
Assessment of adverse effects of Alzheimer's disease medications: Analysis of notifications to Regional Pharmacovigilance Centers in Northwest France 400
The Secrets of Successful Product Launches 300
The Rise & Fall of Classical Legal Thought 260
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 4342107
求助须知:如何正确求助?哪些是违规求助? 3849983
关于积分的说明 12020501
捐赠科研通 3491309
什么是DOI,文献DOI怎么找? 1915960
邀请新用户注册赠送积分活动 958972
科研通“疑难数据库(出版商)”最低求助积分说明 859110