本文介绍来自同济大学刘琦教授课题组发表在Chemical Science上的文章“DeepReac+: Deep active learning for quantitative modeling of organic chemical reactions”。在这项工作中，作者开发了首个用于定量建模有机化学反应的深度主动学习框架DeepReac+。该框架借助图神经网络，直接将反应组分的二维分子结构作为输入, 端到端的学习与任务相关的反应表征，适用于不同的反应机理、预测目标和实验平台。而且，通过结合精心设计的主动学习(Active Learning)策略，该框架只需要用少量的训练样本就能得到最佳预测性能以及快速确定最优反应条件，可以为高通量合成反应的实验人员节省大量的成本和时间。

论文链接：https://doi.org/10.1039/D1SC02087K

作者通过将图神经网络（GNNs）以及主动学习（active learning）进行结合，实现了一个通用且高效的计算框架DeepReac+（图1），用于预测化学反应结果和选择最优反应条件，专注于解决上述两个限制。其包含两个核心组件：（1）为化学反应表示学习设计的深度学习模型DeepReac；（2）用于减少所需训练数据的主动学习策略。

DeepReac+的整体框架

内容中包含的图片若涉及版权问题，请及时与我们联系删除