연구진은 정확한 예측과 함께 반응을 정당화하는 선례를 제공하는 HiRes (계층적 반응 표현) 시스템을 개발했어요. HiRes는 그래프 인코더, 변환 인식 교차 주의, 다중 스트림 반응 융합, k-NN 검색 레이어를 결합하여 화학 반응 조건 추천 성능을 높였어요. HiRes는 USPTO-Condition 모델 중 최고 성능을 달성하며 촉매, 용매, 시약의 정확도를 각각 92.9%, 53.4%, 53.0%로 끌어올렸어요.
기존 모델과 비교했을 때 HiRes는 용매와 시약 선택에서 통계적으로 유의미한 성능 향상을 보여줬어요. HiRes는 예측 정확도와 화학적 해석 가능성 간의 간극을 좁히고 경쟁력 있는 추천과 실용적인 합성 계획에 필요한 구체적인 화학적 선례를 제공해요.
HiRes는 검색과 학습된 조건 헤드를 통합하여 순수 파라메트릭 접근 방식보다 용매와 시약 선택에 통계적으로 유의미한 이점을 제공하는 것을 입증했어요.