Neural Petri Flow提升化学预测精度
发生了什么
据arXiv论文，研究提出Neural Petri Flow模型，通过硬连线守恒与使能规则，仅学习速率定律以提升化学反应预测。在Golden集上无训练映射准确率达88.8%，优于RXNMapper的85.6%。在USPTO-480K数据集上，产品预测准确率为87.7%。ECREACT第三级EC编号预测准确率达90.2%，领先最佳方法5.6个百分点。FlowER基元步骤预测准确率为90.5%，且所有Top-1预测均为有效分子。
- Golden集准确率
- 88.8%
- ECREACT EC编号准确率
- 90.2%
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
- arXiv cs.LG一手材料
Neural Petri flows for chemical reactions
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 一手材料1 个发布入口