RLSynC: Offline-Online Reinforcement Learning for Synthon Completion

1. 本研究の学術的背景と問いは、逆合成にあります。逆合成は、望ましい成果物を作るために反応することができる反応物分子の集合を決定するプロセスです。半テンプレートベースの逆合成方法は、合成反応の逆転的なロジックを模倣し、まず製品の反応中心を予測し、それから結果として得られたシントン（原材料分子の一部）を反応物へ完成させます。この手法は必要な解釈可能性と高い実用性を合成計画に提供します。その中での核心的学術的問いは、どのようにシントンの補完を効率的に行うかです。

2. 本研究の目的は、RLSynCという新しいオフライン・オンライン強化学習法を開発し、半テンプレートベースの逆合成方法でのシントンの補完をさらに効率化することです。RLSynCの創造性は、各シントンに一つのエージェントを割り当て、同期化された方式でステップごとにアクションを行うことです。RLSynCはオフラインの訓練エピソードとオンラインのインタラクションから学習を行うことで新しい反応空間を探索することができます。

3. 本研究は、半テンプレートベースの逆合成方法、そしてそれを更に強化するための具体的な試みとしての位置づけられています。

4. 本研究では、新しい強化学習法RLSynCの開発を行いました。それは合成を実行するエージェントを各シントンに割り当て、ステップ毎にアクションを実行してシントンを完成させるものです。RLSynCは、予測された反応物が製品を合成する可能性を評価し、その結果をアクションの探索の指針とします。

5. 本研究の有効性は、実験結果により証明されています。本研究で行われた実験では、RLSynCが最先端の逆合成手法に比べて優れていることが示されました。これは、シントン完成の改善が最高で14.9％、逆合成の改善が最高で14.0％であることからも明らかです。