반응 경로를 연속 흐름으로 모델링하는 LatentRxnFlow

초록

LatentRxnFlow는 기존의 일회성 반응 예측을 넘어, 조건부 흐름 매칭(Conditional Flow Matching)을 이용해 반응을 연속적인 잠재 공간 궤적으로 학습한다. 메커니즘 라벨 없이도 표준 반응‑산물 쌍만으로 훈련 가능하며, USPTO 벤치마크에서 최첨단 정확도를 달성한다. 연속 궤적을 시각화·분석함으로써 오류 발생 시점을 진단하고, 궤적 곡률을 이용해 불확실성을 추정하는 등 투명성과 신뢰성을 크게 향상시킨다.

상세 분석

본 논문은 화학 반응 예측을 “정적 입력‑출력 매핑”에서 “동적 연속 변환”으로 전환하는 새로운 패러다임을 제시한다. 핵심 아이디어는 Conditional Flow Matching(CFM) 프레임워크를 잠재 공간에 적용해, 반응물의 잠재 표현 z_r 이 시간 t∈