撰文丨王聪 编辑丨王多鱼 排版丨水成文 人工智能 （AI） 已经改变了精准有机合成领域。包括机器学习和深度学习在内的数据驱动方法在预测反应性能和合成规划方面展现出了巨大潜力。 然而， 数值回归驱动的反应性能预测与序列生成驱动的合成规划之间存在内在方法论分歧，这对构建 统一的深度学习架构 构成重大挑战。 上海科学智能研究院 / 复旦大学人工智能创新与产业研究院 漆远 教授、 上海科学智能研究院 曹风雷 研究员 、 徐丽成 研究员等在 Nature 子刊 Nature Machine Intelligence 上发表了题为： A unified pre-trained deep learning framework for cross-task reaction performance prediction and synthesis planning 的研究论文。 该研究听过整合 图神经网络 （GNN） 与 Transformer 模型 ，开发了一个用于 跨任务的反应性能预测和合成规划的统一预训练深度学习框架—— RXNGraphormer ，为化学反应预测与合成设计提供了一个通用工具。 通过将面向分子内模式识 ...