# R-SMILES 2

该工作提出 RetroChimera 逆合成预测框架，将基于 Transformer 的从头预测模型 R-SMILES 2 与基于图神经网络、以反应模板为约束的 NeuralLoc 通过按排名加权的学习式集成策略结合，使二者互补优势得以发挥，在常见与罕见反应类别上均表现稳健，并在盲测中使博士级化学家更偏好其给出的复杂分子断键方案，优于两个子模型、更早的方法乃至测试集本身记录的反应。

该工作提出 RetroChimera 逆合成预测框架，将基于 Transformer 的从头预测模型 R-SMILES 2 与基于图神经网络、以反应模板为约束的 NeuralLoc 通过按排名加权的学习式集成策略结合，使二者互补优势得以发挥，在常见与罕见反应类别上均表现稳健，并在盲测中使博士级化学家更偏好其给出的复杂分子断键方案，优于两个子模型、更早的方法乃至测试集本身记录的反应。