SynOmega¶
SynOmega 涵盖有机小分子反应相关的多种预测功能，包括单步正向反应预测、单步逆向反应预测、多步反应路径规划、可合成性评分等。
为什么分三层¶
SynOmega 的核心是三个解耦的层，每层只认一个很窄的接口，因此可以各自替换、各自评测：
flowchart TD
A["可合成性评分<br/>synthesizability"] --> B["多步搜索<br/>search（Retro* / MCTS / best-first）"]
B --> C["单步模型<br/>single-step：product SMILES → 候选反应物"]
A -.问.-> A1["目标能否在 N 步内<br/>由可购原料到达？"]
B -.在.-> B1["AND-OR 图上搜索路径"]
C -.答.-> C1["一次拆一步"]层与层之间只通过一个刻意收窄的接口相接——单步后端只需实现
predict(smiles, top_k) -> [Prediction]——所以规划器（planner）和评分器
（scorer）不关心候选到底来自图神经网络、Transformer 还是纯模板匹配。
上面的逆向单步、多步搜索、可合成性评分三者构成 SynOmega 的主线；另外两项功能与它们共享同一套反应模板与图模型：
- 单步正向反应预测（forward）：反应物 → 产物，是逆合成单步模型的"镜像"，复用同一套反应模板库。
- 反应合理性评分（plausibility）：给一个反应打一个"它在化学上合不合理"的分数。
技术栈一览¶
| 能力 | 方法内核 |
|---|---|
| 单步逆合成 | D-MPNN 神经模板分类器（也可退化为纯模板规则后端，无需 torch） |
| 单步正向预测 | 同一 D-MPNN 模板分类器的镜像 + RDKit 模板正向应用 |
| 多步路径规划 | Retro* 为默认，另含 MCTS、best-first，均在 AND-OR 图上搜索 |
| 可合成性评分 | 基于最优路径中"不可购起始物数量"的连续 SynScore |
| 反应合理性 | 双塔（dual-tower）D-MPNN，无原子映射，反应物图 vs 产物图对比 |
| 分子身份 | 全流程统一用 InChIKey（去重、库存判定、缓存跨工具一致） |
文档导航¶
- 功能介绍 —— 每个功能一章，讲安装、命令行 / Python API 的使用方法（与研究报告各章一一对应）。
- 研究报告 —— 按功能模块逐章给出模型/算法架构、伪代码、训练集、评测指标与配图。评测协议、术语与数据口径集中在该章的总览里定义，各功能章引用。
用 AI agent（Claude Code / OpenClaw 等）？
装 SynOmega skill，agent 就能直接调用全部六项能力：clawhub install synomega。
源码与手动安装见 github.com/zbc0315/synomega-skill。
关于训练数据的口径
文中所有模型均训练于一份大规模原子映射反应语料（atom-mapped commercial reaction corpus）。原始反应不随软件分发；对外发布的是训练好的模型权重。各评测 集（ZINC 可购砌块集、ChEMBL 靶集）的抽样口径见总览。