RetroChimera：融合双模型与重排序，提升小分子逆合成预测能力
2026.09.21 · 产品 · 新模型 · 官方发布
微软研究院发布RetroChimera逆合成模型，结合两种互补模型提升合成路线预测质量。
微软研究院在《自然》发表论文，介绍逆合成预测模型RetroChimera。该模型结合Transformer模型R-SMILES 2与图神经网络模型NeuralLoc，通过学习排序策略融合两者预测，在盲测中博士级化学家更偏好其预测，并支持零样本迁移与微调，代码和权重已开源。
- 结合R-SMILES 2与NeuralLoc两种互补模型
- 采用学习排序策略融合预测结果
- 盲测中化学家偏好其反应预测
- 支持零样本迁移和专有数据集微调
- 代码和权重已开源
为什么值得看
逆合成预测是药物和材料研发的关键瓶颈，RetroChimera有望加速分子合成规划。
适合谁关注
药物化学家、计算化学研究者、AI制药与材料科学从业者