逆解配方是确定已知产品的精确成分的过程。 从已知的成分相对比例开始，确定每种成分的精确量。 逆解配方也被称为化学逆向工程。

化学产品逆解配方使组织能够：

• 从现有配方中预测新配方。
• 提高竞争性情报。
• 标杆竞争产品。
• 鉴别真假。
• 开发私有品牌产品。

虽然研究人员已经转向机器学习以发现和优化化学物质和材料，但逆解配方通常是在分析化学方法的帮助下通过实验进行的。 可用于化学制剂的结构化数据相对有限，这就阻碍了许多人工智能驱动的逆解配方成果。 许多广泛可用的配方数据都是不完整的，其成分和数量的记录也不一致。

训练预测模型，以实现快速、数据驱动的配方建议

《工业工程化学研究》出版物《利用深度生成神经网络实现预测化学逆解配方》表明，可以训练无监督生成模型、变分自动编码器 (VAE)，以实现配方的快速数据驱动建议。

用 CAS 科学家收录的配方数据训练的 VAE 神经网络学习了各种产品类别（如止汗剂和口腔护理）中配方的有意义表示，这些配方的平均表现比更传统方法更好。 本文章指出，这种方法“产生的估计值比最近邻方法更准确，可以更好地推断出与之前配方显著不同的配方，并提供了一种利用大型数据集实现工业相关能力的方法。”  

CAS 内容合集™ 中的精选配方提供一致且高度结构化的配方表示及其成分的化学特性。 由于独特的管理过程运用了专业技术和科学专业知识，CAS 能够始终如一地确定每种制剂的化学成分、分组及其含量。 作者报告称，“如果没有 CAS 数据集，就不可能对逆解配方应用的这些生成方法进行实际验证。”

在完整的出版物《利用深度生成神经网络实现预测化学逆解配方》中探索这些发现。

对实现更精确的逆解配方预测感兴趣？ CAS 定制服务可以对专业技术、科学专业知识和独特的内容进行定制，以满足您的独特需求。