ترجمه فارسی مقاله Batgpt-Chem: یک مدل بزرگ برای پیش بینی رتروسنتز

چکیده

Retrosynthesis analysis is pivotal yet challenging in drug discovery and organic chemistry. Despite the proliferation of computational tools over the past decade, AI-based systems often fall short in generalizing across diverse reaction types and exploring alternative synthetic pathways. This paper presents BatGPT-Chem, a large language model with 15 billion parameters, tailored for enhanced retrosynthesis prediction. Integrating chemical tasks via a unified framework of natural language and SMILES notation, this approach synthesizes extensive instructional data from an expansive chemical database. Employing both autoregressive and bidirectional training techniques across over one hundred million instances, BatGPT-Chem captures a broad spectrum of chemical knowledge, enabling precise prediction of reaction conditions and exhibiting strong zero-shot capabilities. Superior to existing AI methods, our model demonstrates significant advancements in generating effective strategies for complex molecules, as validated by stringent benchmark tests. BatGPT-Chem not only boosts the efficiency and creativity of retrosynthetic analysis but also establishes a new standard for computational tools in synthetic design. This development empowers chemists to adeptly address the synthesis of novel compounds, potentially expediting the innovation cycle in drug manufacturing and materials science. We release our trial platform at \url{https://www.batgpt.net/dapp/chem}.

چکیده به فارسی (ترجمه ماشینی)

تجزیه و تحلیل رتروسنتز در کشف مواد مخدر و شیمی آلی مهم و در عین حال چالش برانگیز است.با وجود گسترش ابزارهای محاسباتی طی یک دهه گذشته ، سیستم های مبتنی بر هوش مصنوعی اغلب در تعمیم در انواع واکنش های متنوع و کاوش در مسیرهای مصنوعی جایگزین کوتاه می شوند.در این مقاله BATGPT-CHEM ، یک مدل بزرگ زبان با 15 میلیارد پارامتر ، متناسب با پیش بینی رتروسنتز تقویت شده ارائه شده است.ادغام وظایف شیمیایی از طریق یک چارچوب یکپارچه از زبان طبیعی و نشانه گذاری لبخند ، این رویکرد داده های آموزشی گسترده ای را از یک بانک اطلاعاتی شیمیایی گسترده سنتز می کند.Batgpt-CHEM با استفاده از هر دو تکنیک آموزش خودکار و دو طرفه در بیش از صد میلیون مورد ، طیف گسترده ای از دانش شیمیایی را ضبط می کند ، و پیش بینی دقیق شرایط واکنش را قادر می سازد و قابلیت های صفر قوی را نشان می دهد.برتر از روشهای موجود در AI ، مدل ما پیشرفت های قابل توجهی در تولید استراتژی های مؤثر برای مولکول های پیچیده ، همانطور که توسط آزمایش های معیار دقیق تأیید می شود ، نشان می دهد.BATGPT-CHEM نه تنها کارایی و خلاقیت تجزیه و تحلیل رتروسنتتیک را تقویت می کند بلکه استاندارد جدیدی را برای ابزارهای محاسباتی در طراحی مصنوعی ایجاد می کند.این توسعه شیمیدانان را قادر می سازد تا به طور دقیق به سنتز ترکیبات جدید بپردازند ، به طور بالقوه چرخه نوآوری در تولید دارو و علوم مواد را تسریع می کند.ما پلت فرم آزمایشی خود را در \ url {https://www.batgpt.net/dapp/chem leding منتشر می کنیم.