DianShi-RxnDB：完全自動化パイプラインによって構築された、研究者およびAIエージェント向けの大規模・細粒度有機反応データプラットフォーム
DianShi-RxnDB: A Large-Scale, Fine-Grained Organic Reaction Data Platform Built via a Fully Automated Pipeline for Researchers and AI Agents
September 6, 2026
著者: Yubin Wang, Xingjian Wei, Jiang Wu, Yinfan Wang, Boyu Zhu, Lin Zhang, Jianing Yu, Huazheng Zeng, Ruiyi Ding, Junyuan Gao, Jiaxing Sun, Lingli Ge, Haote Yang, Jingchao Wang, Aijia Guo, Qian Jiang, Yurui Zhao, Wenjian Zhang, Chen Zhu, Lijun Wu, Xiaolei Yang, Haodong Chen, Junjie Yuan, Zichao Ye, Shaowei Hou, Jing Ye, Jia Yu, Shan Wang, Lijun Wu, Jiantao Qiu, Chao Xu, Yuqiang Li, Guangyu Wang, Bowen Zhou, Dahua Lin, Conghui He
cs.AI
要旨
高品質な構造化有機反応データは、化学のための人工知能（AI4Chem）を開発するうえで不可欠であるが、その知識の多くは依然として特許テキスト、画像、反応スキームに分散している。我々は、特許テキスト、画像、反応スキームを統合した完全自動の抽出・正規化パイプラインによって構築された、大規模で細粒度な有機反応データプラットフォームであるDianShi-RxnDBを提示する。そのコーパスは、1976年から2025年の間に公開されたUSPTOおよびEPOの有機合成特許を対象とし、約2,400万件の反応インスタンスを生成しており、そのうち約1,480万件（61.7%）が自動適格性チェックに合格している。各インスタンスは、特定の単段階実験を表し、関与物質、役割、量、温度、反応時間、収率、実験手順、および元特許への来歴リンクを記録している。適格とされたインスタンスからサンプリングした1,300件の手動評価では、マイクロ平均のフィールドレベル精度は92.95%であった。Pistachioとのマッチング比較ではさらに、重複排除後のレコード件数、表現の粒度、およびフィールドレベルの完全一致において優位性が示された。本プラットフォームは、レコードの検索、絞り込み、比較、出典確認のためのWeb研究ワークベンチと、AIエージェントに組み合わせ可能な構造化検索ツールを提供するModel Context Protocol（MCP）サービスを提供する。DianShi-RxnDBは https://dianshi.opendatalab.org.cn/ で利用可能である。
English
High-quality structured organic reaction data are essential for developing artificial intelligence for chemistry (AI4Chem), yet much of this knowledge remains dispersed across patent text, images, and reaction schemes. We present DianShi-RxnDB, a large-scale, fine-grained organic reaction data platform built via a fully automated extraction and normalization pipeline integrating patent text, images, and reaction schemes. Its corpus covers organic synthesis patents from the USPTO and EPO published between 1976 and 2025, yielding approximately 24 million reaction instances, of which approximately 14.8 million (61.7%) pass automated qualification checks. Each instance represents a specific single-step experiment recording participants, roles, quantities, temperatures, reaction times, yields, experimental procedures, and provenance links to source patents. In a manual evaluation of 1,300 sampled qualified instances, the micro-averaged field-level accuracy was 92.95%. A matched comparison with Pistachio further indicated advantages in deduplicated record counts, representation granularity, and field-level exact agreement. The platform provides a Web research workbench for searching, filtering, comparing, and source-verifying records, and a Model Context Protocol (MCP) service offering AI agents composable structured retrieval tools. DianShi-RxnDB is available at https://dianshi.opendatalab.org.cn/ .