化学的妥当性を考慮した大規模言語モデル C3LM による単段階逆合成予測──OOD URSA-expert-2026 で SOTA を達成

論文概要

コンピュータ支援合成計画における単段階逆合成予測は、本質的に 1 対多の多様な正解を持つ性質があるにもかかわらず、単一の正解のみに基づく評価プロトコルでは十分に性能を捉えきれていなかった。本論文では、多様で妥当な反応予測を実現するトレーニングおよび推論パラダイムとして Top-K プロンプティングを導入し、約 4,560万件の検証済み反応を含む超大規模データセット CREED-CCV-2+USPTO-XL を構築した。これを用いて学習された化学制約一貫性大規模言語モデル C3LM は、OOD ベンチマークである URSA-expert-2026 において最先端（SOTA）の性能を達成している。

関連研究

これまでの逆合成予測では、伝統的な機械学習モデルや単一の予測結果を出力する手法が主流であったが、化学反応の多様性や化学的妥当性を動的に制約するアプローチには限界があった。本研究は、大規模言語モデルの持つ生成能力をベースにしつつ、化学的制約を明示的に組み込む点で先行研究と異なる。

新規性と貢献

本研究の主要な貢献は、約 4,560万件という超大規模かつ検証済みの反応データセットの構築と、化学的妥当性評価に基づく報酬（ChemCensor-based reward および novelty-oriented reward）を統合したファインチューニング手法の提案にある。これにより、LLM が持つ柔軟な探索空間と化学的な制約を両立させることに成功した。

提案手法の詳細

C3LM は、Top-K プロンプティングをトレーニングおよび推論プロセスに組み込んでいる。これにより、単一の決定論的な出力に依存するのではなく、妥当な複数の反応経路を効率的に探索することが可能になる。また、ChemCensor によるフィルタリングと新規性を考慮した報酬設計により、生成される化学構造の妥当性が担保される。

評価・考察

OOD（Out-of-Distribution）の URSA-expert-2026 ベンチマークにおいて、C3LM は既存のモデルを上回る SOTA の成績を収めた。さらに、反応の一意性に関する分析から、大規模言語モデルと従来のモデルが探索する反応空間は相補的であることが示されており、アンサンブルシステムへの発展性が示唆されている。

応用例と今後の展望

製薬業界や化学合成研究の分野において、本手法は自動合成プラニングシステムの精度向上に直接寄与する。日本の製薬・化学企業における創薬DXや合成ルート探索の現場において、LLM を活用した探索空間の拡張と妥当性検証の自動化という実務インパクトを持つ。今後は、より大規模なアンサンブル手法の構築や、実世界の合成実験データへの適用が期待される。

結論

本研究は、Top-K プロンプティングと化学的妥当性を意識した報酬設計に基づく C3LM の導入により、単段階逆合成予測における新たな標準を確立した。化学分野における LLM 活用の実用性を大きく前進させる成果である。

注釈

• OOD (Out-of-Distribution): 学習時に使用していない、未知の分布やデータに対する汎用性を評価するための設定。
• 単段階逆合成予測: ある目標化合物から、それを合成するための一段階前の出発物質や反応を予測するタスク。