聂瓦1. 化学反应序列化背景与核心思路
在化学信息学领域，如何有效表示化学反应一直是个关键问题。传统方法通常采用分子式或结构图表示，但这种形式难以直接被机器学习模型处理。2018年，Philippe Schwaller团队提出将SMILES（Simplified Molecular Input Line Entry System）表示法扩展到化学反应领域，开创性地解决了这一难题。
SMILES最初由David Weininger在1980年代提出，用ASCII字符串描述分子结构。例如：
- 水分子：H2O → "O"
- 乙醇：C2H5OH → "CCO"
- 苯：C6H6 → "c1ccccc1"
化学反应的特殊性在于需要同时表示反应物、试剂和生成物。研究团队引入">>"作为分隔符，构建出类似自然语言句子的结构。例如酯化反应：
code复制CC(=O)O + CCO >> CC(=O)OCC + O
（乙酸 + 乙醇 → 乙酸乙酯 + 水）
这种表示法带来三个关键优势：
- 维度统一：将二维/三维的化学结构降维到一维序列
- 模型兼容：序列结构与自然语言处理任务高度相似
- 信息无损：通过规范算法可双向转换回标准化学表示
注意：SMILES字符串需要经过规范化处理，同一分子可能有多种有效SMILES表示。建议使用RDKit等工具的Canonicalize功能确保一致性。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. SMILES编码的化学基础与实现细节
2.1 原子与键的编码规则
基础编码规则采用以下约定：
- 原子：用元素符号表示，如C、O、N。方括号内写同位素和电荷，如[13CH3+]
- 键：单键省略，双键"="，三键"#"，芳香键小写字母（如c1ccccc1）
- 分支：用圆括号表示，如丙醇写为"CCCO"，异丙醇为"CC(C)O"
- 环：用数字标记连接点，如环己烷"C1CCCCC1"
特殊化学反应符号：
- 反应中心：">>"分隔反应物和生成物
- 催化剂/溶剂：通常用"."分隔，不参与反应计量
2.2 实际转换示例
以狄尔斯-阿尔德反应为例：
传统表示法：
code复制 O
║
C=C-C=O + C=C >> 环己烯衍生物
SMILES转换：
- 反应物1：丁烯