化学反応予測の精度を高めるために、データキュレーションを通じた自己フィードバック型の知識抽出アプローチを提案する。この手法では、分子表現の反復最適化から反応タイプの知識を抽出し、大規模言語モデルにプロンプト学習を通じて注入することで、大幅な精度向上を実現する。
本研究では、2つの離散分布間の依存関係をモデル化する新しい一般的な枠組みであるマルコフブリッジモデルを提案する。この枠組みを用いて、逆合成反応予測のための新しいテンプレートフリーの確率的手法であるRetroBridgeを開発した。RetroBridgeは、標準的な評価ベンチマークで最先端の性能を達成している。