在现实情况中，科学家只记录了反应成功的化学反应，错误的反应往往被丢弃掉。我们可以通过人为生成的方式来制造在化学上错误的反应，来帮助我们建立如机器学习模型来预测化学的反应性。可以通过以下3个方式来进行，假设我们当前有一堆反应和对应提取的模板（提取模板方法）
严格正向匹配对于反应A+B>>C,如果我们使用对其对应的模板可能得到A+B>>C+D，C是数据集中的产物，而A+B>>D就可以作为一个错误的化学反应。这种方法可以生成具有化学选择性的错例反应。
随机正向生成对于反应A+B>>C,如果我们使用其它反应模板可能得到A+B>>E作为一个错误的化学反应。这种方法可以生成可能较为罕见的化学反应。
神经网络推荐训练一个能够推荐模板的神经网络，然后再推荐的TOP20的模板中应用上面的随机正向生成过程，生成错误的化学反应，这样更加高效。
<
