编辑丨ScienceAI 人工智能正在重塑精准有机合成的未来，但反应性能预测（数值回归）与合成路线规划（序列生成）之间固有的方法差异，一直是构建统一深度学习架构的挑战。 针对这一难题，上海科学智能研究院（下称上智院）物质科学团队提出了一种名为 RXNGraphormer 的新型深度学习框架。该框架通过整合图神经网络（GNN）与 Transformer 模型，成功实现了对化学反应活性、选择性以及单步正向与逆向合成的精准预测。 这一创新性工作基于超过 1300 万条反应数据的预训练，使模型能够自发学习化学键…