测试反应	输入	预测产物	准确性
酯水解	`CCOC(=O)c1ccccc1`	`O=C(O)c1ccccc1` (苯甲酸)	✅ 正确
酯化反应	`CC(=O)O.CCO`	`CCOC(C)=O` (乙酸乙酯)	✅ 正确
亲核取代	氯苯 + 硫醇	硫醚产物	✅ 正确

快速开始

安装依赖

bash

pip install torch torch-geometric rdkit pandas numpy

使用方法

import pickle
import torch
from rdkit import Chem

# 1. 加载模板库
with open("reaction_templates.pkl", "rb") as f:
    templates = pickle.load(f)

# 2. 加载模型（需要模型类定义，见代码）
from model import WorkingPredictor

predictor = WorkingPredictor(
    templates=templates,
    center_model_path="reaction_center_model.pt"
)

# 3. 预测反应产物
reactants = "CCOC(=O)c1ccccc1"  # 苯甲酸乙酯
results = predictor.predict_products(reactants, top_k=5)

for i, pred in enumerate(results, 1):
    print(f"产物 {i}: {pred['product_smiles']}")
    print(f"  置信度: {pred['confidence']:.3f}")

文件说明

- reaction_templates.pkl: 反应模板库（2,115个模板）
- reaction_center_model.pt: 反应中心预测GAT模型
- config.json: 模型配置信息
- predictor.py: 完整的预测器代码

模型架构

反应中心预测（GAT）

- 输入维度: 4 (原子编号, 度, 电荷, 芳香性)
- 隐藏层: 128维
- GAT层数: 3层
- 注意力头: 4个

模板匹配

- 基于SMARTS的反应模板
- 保留atom mapping用于反应引导
- 支持多反应物排列组合

引用

如果使用本模型，请引用：

@software{chemical_reaction_predictor_2025,
  title={Chemical Reaction Product Predictor},
  author={Sheming Du},
  year={2025},
  url={https://huggingface.co/AI-follower99/chemical-reaction-predictor}
}

许可证

MIT License

联系方式

- Hugging Face: https://huggingface.co/AI-follower99
- 问题反馈: https://huggingface.co/AI-follower99/chemical-reaction-predictor/discussions