反应合理性评分¶

任务：给定一个反应（反应物 + 产物），输出一个 \([0,1]\) 的合理性分数——它在化学上有多可能真实发生。用途是给单步逆合成的候选做"这一步靠不靠谱"的判别。

这是一个二分类模型：正样本 = 高产率的真实反应，负样本 = 在同一反应物上用模板生成的 "表面合理但没真发生"的错误产物。

1. 模型 / 算法架构（发货版：双塔 D-MPNN）¶

SynOmega 随包发货的合理性模型是 DualPlausibilityNet（checkpoint plaus_dual-best.pt）—— 一个双塔（dual-tower）、无原子映射的结构：

flowchart TD
    RIN["反应物图 A.B<br/>（一个不连通图）"] --> ER["D-MPNN 编码器<br/>enc_r"]
    PIN["产物图"] --> EP["D-MPNN 编码器<br/>enc_p（与 enc_r 共享权重）"]
    ER --> HR["h_r"]
    EP --> HP["h_p"]
    HR --> CAT["组合特征<br/>[h_r, h_p, h_p−h_r, h_p·h_r]"]
    HP --> CAT
    CAT --> MLP["MLP → 1 logit"]
    MLP --> SIG["sigmoid → plausibility ∈ [0,1]"]

两座塔（enc_r、enc_p）分别独立编码反应物图与产物图（无 CGR、无原子映射）， shared=True 时共享同一套 D-MPNN 权重。
组合特征 [h_r, h_p, h_p−h_r, h_p·h_r]（4×hidden），交给 head Linear(4h → 300) → ReLU → Dropout → Linear(→1) 输出单 logit，sigmoid 成分数。
超参：hidden_dim=300、depth=4、dropout=0.1、head_hidden=300；打分器 PlausibilityScorer 加载该 checkpoint，对图做 LRU 缓存后按 batch_size 批量打分。

另有一个研究变体

研究仓 reaction-plausibility/ 里还有一个 CGR（反应缩合图）+ D-MPNN 单图变体（plaus_full）：把反应物图与产物图叠成一张、编码"变化"，用 MCS 求原子对应。它不是发货版；本页以双塔发货版为准，两者共用下述训练数据管线。

2. 伪代码¶

function score_reaction(reactants_smiles, product_smiles):
    g_r = mol_to_graph(reactants_smiles)   # "A.B" 作为一个不连通图；忽略 atom map
    g_p = mol_to_graph(product_smiles)
    if g_r is None or g_p is None: return 0.0
    h_r = DMPNN_enc(g_r);  h_p = DMPNN_enc(g_p)
    feat = concat(h_r, h_p, h_p - h_r, h_p * h_r)
    return sigmoid(head(feat))              # ∈ [0,1]

3. 训练数据¶

正样本：条件语料中 yield > 95% 的反应（默认取 10 万个 seed）——高产率≈确有发生。
负样本（模板生成的 hard negative，而非随机换产物）：
- 同模板：取 seed 自身的 radius-0 模板，在其反应物上正向运行，任何 ≠ 真产物的产物即负样本（每 seed ≤ 3）。
- 异模板：在 seed 反应物上运行其它模板（池 = 64,366 个模板），产物 ≠ 真产物者为负样本（每 seed ≤ 5）。
两个数据质量修复（否则分类器会学到捷径）：
1. 只差立体化学的"负样本"其实是真产物的非对映体 → 对正负样本一律剥离立体化学。
2. 脱保护等低特异性模板会把离去基团/副产物当"产物" → 只保留重原子数落在真产物 [0.6, 3.0]× 区间的生成产物。
划分：按 seed id 哈希确定性切分 ≈ 90/5/5（同一 seed 的正负样本进同一 split，防泄漏）；负:正 ≈ 4–5×，训练用 pos_weight=4 的加权 BCE。各 split 绝对样本量本仓未落盘。

训练超参：batch_size=256、epochs=40、AdamW、lr=5e-4、weight_decay=1e-5、 grad_clip=5、混合精度、按 val AUC early stop（patience=6）。

4. 评测：训练轴强，使用轴净负¶

训练/验证轴：模型在验证集上 val AUC = 0.9946——在"固定反应物、判断产物对错"这个训练轴上判别力很强。

但用于单步逆合成候选过滤是净负收益。 在 998 个靶点上，用合理性分数删除（只删不重排）单步候选后，top-1…top-10 命中率全部小幅下降（−0.2 ~ −0.9 pp）：

配置	top-1	top-3	top-5	top-10
无过滤	0.3798	0.5471	0.6112	0.6764
阈值 0.3	0.3758	0.5461	0.6062	0.6713
阈值 0.4	0.3758	0.5451	0.6052	0.6713
阈值 0.5	0.3778	0.5411	0.6022	0.6683

判别力在使用轴上很弱——正确候选 vs 错误候选的合理性中位数仅 0.995 vs 0.973，分布高度重叠：

单步轴上的判别力：低分候选占比

根因：训练轴（固定反应物、换产物）与使用轴（固定产物、换反应物）正交。模型在训练轴学到的偏置（如惩罚"有反应物离去"的真实反应、对大分子/多组分 OOD）在使用轴上会误删真候选。

因此默认关闭

基于以上评测，单步合理性过滤在 SynOmega 中默认关闭，功能保留、可显式开启（Planner(..., plausibility=...)）。多步规划下过滤不改变解出率（23/25），但中位搜索时间约 3.3× 变慢——进一步支持默认关闭。

5. 局限¶

模板负样本本质是 hard negative，size-band 过滤无法剔除全部合法替代产物（区域异构、真实副反应）。
需要的是"固定产物、判断反应物集是否可行"的判别器；当前模型训练轴与之不匹配，改进方向是按使用轴重构负样本与训练目标。