rxnfp 仓库介绍（https://rxn4chemistry.github.io/rxnfp）
rxnfp（Reaction Fingerprint）是一个基于 Transformer 模型的化学反应指纹工具库，由 IBM 欧洲研究院与伯尔尼大学团队联合开发，核心用于从化学反应的文本表示（反应 SMILES）中提取 “反应级特征”，支持反应分类、产率预测、反应空间映射等化学信息学任务。相关研究成果发表于《Nature Machine Intelligence》等期刊，是化学 AI 领域的重要基础工具。
核心功能与特点
-
反应指纹生成：基于预训练的 BERT 模型（Transformer 架构），直接从 “反应 SMILES”（如
反应物.试剂>>产物的字符串）中提取固定长度的向量（rxnfp 指纹），无需手动区分反应物 / 试剂、无需原子映射，适配任意类型的有机化学反应。- 指纹维度：默认 256 维（可通过模型微调调整）；
- 核心优势：通过 “掩码语言建模” 预训练，自动学习反应中的键断裂 / 形成规律、试剂作用等 “化学语义”，远超传统结构型指纹（如 AP3）的表达能力。
-
支持的任务：
- 反应分类（如识别 Suzuki 偶联、Buchwald-Hartwig 胺化等反应类型）；
- 反应产率预测（作为 Yield-BERT 模型的基础特征）；
- 化学反应空间映射（结合 TMAP 降维实现反应聚类与相似性搜索）。
-
易用性：提供 Python 库（
rxnfp）和预训练模型，可直接通过代码调用生成指纹，示例如下：from rxnfp.transformer_fingerprints import (RXNB