有模型实现的逆合成任务图谱

English

本文记录逆合成 Skills 背后的模型审计。科学任务按输入、输出和可独立检验的假设来划分。路线渲染、去重、来源记录和报告生成仍然重要，但不计作科学模型任务。

准入条件

默认模型必须同时具备：

公开的推理代码；
可取得的预训练权重；
明确的代码和权重许可证；
可脚本化的本地推理入口；
足以说明分数适用范围的任务与训练数据披露。

论文精度本身不是准入条件。只公开训练代码、暗中依赖商业服务，或无法标明结果来自哪个 checkpoint 的模型，都不能成为默认实现。

入选任务和模型

独立任务	输入	输出	入选实现	工程结论
原子映射与反应中心提取	完整的反应物/产物 reaction SMILES	原子映射反应、映射置信度、变化键	RXNMapper	成熟的本地包，MIT，含预训练模型，可用 CPU/GPU。它不能处理只有目标产物的查询，因为反应两侧都必须已知。
单步前体生成	一个产物 SMILES	一次断键的有序前体集合	RetroChimera 1	首选提案模型：MIT 代码与权重，公开 Pistachio/USPTO checkpoints，有直接 Python/Syntheseus API。只保留 5–10 个候选，概率不得解释为实验成功率。
多步路线搜索	目标 SMILES、扩展策略、库存	已解/未解路线树	AiZynthFinder	成熟的 MIT planner，可下载公共策略和库存；代码许可证本身不能覆盖单独下载的 artifact 条款。它是由学习到的扩展/过滤策略引导的搜索，不是一个端到端神经网络。
正向产物与 round-trip 验证	反应物和试剂	有序产物 SMILES	ReactionT5v2-forward	2025 年同行评议模型，Hugging Face 上有 MIT 0.2B safetensors，可直接 Transformers 推理。RetroChimera 的公开 forward checkpoint 可作同数据源替代，但不算独立证据。
反应条件推荐	完整 reaction SMILES	有序催化剂/试剂/溶剂类别	Parrot USPTO	第一作者 HF revision `b9ef604...` 明确声明 MIT；两个 artifact 均按大小/哈希固定，真实 GPU worker canary 返回 15 个联合 beam。legacy Google Drive artifact 仍被阻塞。该权重只输出类别标签，不支持温度；冻结 benchmark 精度仍待测。
反应收率估计	反应物、试剂和产物	预测的分离收率百分比	ReactionT5v2-yield（当前 release 已隔离）	2025 MIT checkpoint 可本地加载，但固定 release 在复现上游预处理后仍未通过公开 canary（期望约 19.1666，实测 65.924858）。独立解决并验证前只允许协议测试。

这六项构成了实用的模型化规划与评审界面。Parrot 只对模型 manifest 中记录的第一作者 HF 精确快照准入；任何其他 checkpoint 仍须在下载前另行记录允许决定。这些任务也不会使合成方案自动变成 “实验完整”。采购、EHS、放大、后处理、纯化、分析放行和文献/ELN 核验仍需数据库、规则、实验和化学家。

为什么它们是独立科学问题

原子映射研究已给定反应中两侧原子的对应关系。
单步逆合成研究哪组前体可能生成一个目标。
多步规划研究在有界搜索目标下，反复断键能否到达指定库存。
正向预测研究给定反应输入会形成哪个产物。
条件推荐研究固定转化所需的实验上下文。
收率估计研究完整反应上下文下可能分离出多少目标产物。

因此这些任务可分别训练和评测，也不能把它们的输出压成一个“总置信度”。映射置信度、beam likelihood、搜索分数、产物排名、条件 top-k 准确率和收率回归误差的含义不同。

保留为备选、但不作为默认的模型

ReactionT5v2-retrosynthesis 很容易部署，适合作为序列模型多样性检查。但 ORD 预训练 checkpoint 在 USPTO-50K 上的 zero-shot 结果远弱于任务微调结果，因此必须记录 checkpoint，且不作为首选单步模型。
RXN-Sandbox 是很方便的 2026 容器包，支持 forward、单步和 tree 推理，权重基于 2025Q2 Pistachio。它很有潜力，但公开仓库太新，且采用 OpenMDW-1.1 而非默认模型使用的简单宽松许可证；本地回归测试完成前只作候选。
Chemformer 仍有科学价值，但原仓库已在 2026 年归档并由 aizynthmodels 取代；新部署不应从旧 Python 3.7 栈开始。
Yield-BERT 能复现其 HTE 结果，但官方环境从 Python 3.6 起步，且其文档自己指出专利收率噪声很大。ReactionT5v2 的运行栈更易维护，但固定 release 的 canary 差异解决前不能成为默认选择。

已核验的第一方来源

RetroChimera：https://github.com/microsoft/retrochimera
AiZynthFinder：https://github.com/MolecularAI/aizynthfinder
ReactionT5v2：https://github.com/sagawatatsuya/ReactionT5v2
ReactionT5v2 forward/yield 模型卡： https://huggingface.co/sagawa/ReactionT5v2-forward、 https://huggingface.co/sagawa/ReactionT5v2-yield
RXNMapper：https://github.com/rxn4chemistry/rxnmapper
Parrot：https://github.com/wangxr0526/Parrot
RXN-Sandbox：https://github.com/rxn4chemistry/rxn-sandbox

来源最后核验日期为 2026-08-19。受监管或长期部署必须固定仓库 revision 和模型文件哈希；一个可移动的模型名不能构成 provenance。