Upload 26 files

app_selfies_singlev8.py

@@ -0,0 +1,2260 @@
+# =========================================================================
+# I. KURULUM VE KÜTÜPHANELER
+# =========================================================================
+import google.generativeai as genai
+import streamlit as st
+import numpy as np
+import pandas as pd
+import joblib
+import random
+import operator
+import time
+import math
+from stmol import showmol
+import py3Dmol
+import pubchempy as pcp
+# Optimizasyon için DEAP kütüphanesi
+import deap.base as base
+import deap.creator as creator
+import deap.tools as tools
+from deap import algorithms
+import lightgbm as lgbm
+# Kimya kütüphaneleri
+from rdkit import Chem
+from rdkit.Chem import AllChem
+from rdkit import RDLogger
+import selfies as sf
+from datasets import load_dataset
+import rdkit.Chem.rdChemReactions as rdChemReactions
+# import stmol as showmol # 3D görselleştirme kütüphanesi (varsa)
+
+RDLogger.DisableLog('rdApp.*')
+from rdkit.Chem import Draw
+from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
+import matplotlib.pyplot as plt
+# --- YEREL RETROSENTEZ MODELİ ENTEGRASYONU ---
+
+from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
+
+# --- MODELİ ÖNBELLEĞE AL (Sadece 1 kere yüklenir) ---
+@st.cache_resource
+def load_my_trained_model():
+    model_path = "./PolimerX_Model"
+    try:
+        tokenizer = AutoTokenizer.from_pretrained(model_path)
+        model = AutoModelForSeq2SeqLM.from_pretrained(model_path)
+        return tokenizer, model
+    except Exception as e:
+        st.error(f"Model yüklenemedi: {e}")
+        return None, None
+
+def predict_monomers_local(polymer_smiles):
+    """
+    Önce eğitilmiş T5 modelini kullanır. 
+    Eğer sonuç başarısızsa kural tabanlı motoru devreye sokar.
+    """
+    # 1. MODEL TAHMİNİ
+    tokenizer, model = load_my_trained_model()
+    ai_prediction = ""
+    
+    if model:
+        try:
+            # Eğitimde kullandığımız "retrosynthesis: " ön ekini unutmuyoruz!
+            input_text = "retrosynthesis: " + polymer_smiles
+            inputs = tokenizer(input_text, return_tensors="pt")
+            
+            # Tahmin üret
+            outputs = model.generate(
+                inputs["input_ids"], 
+                max_length=128, 
+                num_beams=5,           # En iyi 5 yolu ara
+                early_stopping=True
+            )
+            ai_prediction = tokenizer.decode(outputs[0], skip_special_tokens=True)
+        except:
+            ai_prediction = ""
+
+    # 2. SONUÇ KONTROLÜ VE HİBRİT KARAR
+    # Model mantıklı bir şey (örneğin nokta ile ayrılmış iki parça) döndürdü mü?
+    if ai_prediction and " . " in ai_prediction:
+        return f"{ai_prediction} (Yerel AI Modeli)"
+    
+    # Model başarısızsa veya emin değilse KURAL MOTORUNU çağır
+    else:
+        rules = decompose_polymer(polymer_smiles) # Mevcut fonksiyonun
+        if rules:
+            monomers = rules[0]['monomers']
+            return f"{' . '.join(monomers)} (Kural Tabanlı - Yedek)"
+        else:
+            # Model bir şey buldu ama nokta yoksa yine de gösterelim (belki tek monomerdir)
+            if ai_prediction:
+                return f"{ai_prediction} (AI Modeli - Tek Parça)"
+            return "Ayrıştırılamadı"
+# --- YAYGIN ÇÖZÜCÜLER REFERANS LİSTESİ ---
+COMMON_SOLVENTS = {
+    "n-Heksan (Apolar)": 7.3,
+    "Dietil Eter": 7.4,
+    "Toluen (Aromatik)": 8.9,
+    "Etil Asetat": 9.1,
+    "Kloroform": 9.3,
+    "Aseton (Polar Aprotik)": 9.9,
+    "Diklorometan (DCM)": 9.7,
+    "THF (Tetrahidrofuran)": 9.1,
+    "Etanol (Alkol)": 12.7,
+    "Metanol": 14.5,
+    "Su (Çok Polar)": 23.4
+}
+def get_soluble_solvents(pred_val):
+    """Tahmin edilen Hildebrand değerine göre uygun çözücüleri bulur."""
+    soluble_list = []
+    swelling_list = [] # Kısmi çözünme / Şişme
+    
+    for solvent, s_val in COMMON_SOLVENTS.items():
+        diff = abs(pred_val - s_val)
+        
+        if diff <= 1.8: # İyi çözücü
+            soluble_list.append(solvent)
+        elif diff <= 2.5: # Sınırda (Isıtarak çözünebilir veya şişer)
+            swelling_list.append(solvent)
+            
+    return soluble_list, swelling_list
+def draw_2d_molecule(smiles):
+    """SMILES kodundan yüksek kaliteli 2D resim oluşturur."""
+    try:
+        mol = Chem.MolFromSmiles(smiles)
+        if mol:
+            # Görüntü kalitesini artır
+            dopts = Draw.MolDrawOptions()
+            dopts.addAtomIndices = False
+            dopts.bondLineWidth = 2
+            return Draw.MolToImage(mol, size=(500, 400), options=dopts)
+    except:
+        return None
+def inject_custom_css():
+    st.markdown("""
+    <style>
+        /* Ana Başlık Stili */
+        .main-title {
+            font-size: 3rem;
+            color: #4A90E2;
+            font-weight: 700;
+            text-align: center;
+            margin-bottom: 1rem;
+        }
+        /* Alt Başlık */
+        .sub-title {
+            font-size: 1.2rem;
+            color: #666;
+            text-align: center;
+            margin-bottom: 2rem;
+        }
+        /* Kart Tasarımı (Sonuçlar için) */
+        .metric-card {
+            background-color: #f9f9f9;
+            border-left: 5px solid #4A90E2;
+            padding: 15px;
+            border-radius: 8px;
+            box-shadow: 2px 2px 5px rgba(0,0,0,0.1);
+            margin-bottom: 10px;
+        }
+        /* Dark Mode Uyumu için Kart Rengi */
+        @media (prefers-color-scheme: dark) {
+            .metric-card {
+                background-color: #262730;
+                border-left: 5px solid #4A90E2;
+                color: white;
+            }
+        }
+    </style>
+    """, unsafe_allow_html=True)
+
+# Uygulamanın en başında çağırın:
+inject_custom_css()
+# --- SABİTLER ---
+N_BITS = 2048 # Morgan Fingerprint boyutu
+@st.cache_data
+def get_initial_population():
+    """Verisetini sadece bir kez indirir ve önbelleğe alır."""
+    repo_id = "OsBaran/Polimer-Ozellik-Tahmini"
+    tg_data = load_dataset(repo_id, split="Tg")
+    df = tg_data.to_pandas()
+    col_name = 'p_smiles' if 'p_smiles' in df.columns else 'smiles'
+    # Sadece geçerli SELFIES'leri filtrele ve listeye çevir
+    raw_smiles = df[col_name].tolist()
+    valid_selfies = []
+    for s in raw_smiles:
+        sf_str = smiles_to_selfies_safe(s)
+        if sf_str:
+            valid_selfies.append(sf_str)
+    return valid_selfies, raw_smiles # İkisini de döndür
+# --- MODEL YÜKLEME ---
+@st.cache_resource
+def load_critic_models():
+    """Tüm Eleştirmen (Critic) modellerini yükler."""
+    models = {}
+    try:
+        models['Tg'] = joblib.load('xgb_tg.joblib')
+        models['Td'] = joblib.load('xgb_td.joblib')
+        models['EPS'] = joblib.load('rf_eps.joblib')
+        # DİĞER MODELLERİNİZİ BURAYA EKLEYİN
+        models['Tm'] = joblib.load('xgb_tm.joblib')
+        models['BandgapBulk'] = joblib.load('xgb_band gap bulk.joblib')
+        models['BandgapChain'] = joblib.load('xgb_band gap chain.joblib')
+        models['BandgapCrystal'] = joblib.load('xgb_bandgap-crystal.joblib')
+        models['GasPerma'] = joblib.load('lgbm_gas_pipeline.joblib')
+        models['Refractive'] = joblib.load('rf_refractive_index.joblib')
+
+        models['LOI'] = joblib.load('xgb_loi.joblib')               # Yanıcılık
+        models['Solubility'] = joblib.load('xgb_solubility.joblib') # Çözünürlük
+        models['ThermalCond'] = joblib.load('xgb_thermal_cond.joblib') # Isıl İletkenlik
+        models['CTE'] = joblib.load('xgb_cte.joblib')
+
+        return models
+    except Exception as e:
+        st.error(f"⚠️ Model Yükleme Hatası! Lütfen 'tg_model.joblib', 'td_model.joblib' ve 'eps_model.joblib' dosyalarının mevcut olduğundan emin olun. Hata: {e}")
+        return None
+
+def run_ga_silent(models, generations, targets, active_props, initial_pop, ranges_dict):
+    """
+    GA'yı grafik çizmeden (sessizce) çalıştırır. Çoklu testler için optimize edilmiştir.
+    """
+    # DEAP Kurulumu (Mevcut kodunuzdakiyle aynı)
+    toolbox = base.Toolbox()
+    toolbox.register("attr_selfies", random.choice, initial_pop)
+    toolbox.register("individual", tools.initRepeat, creator.Individual, toolbox.attr_selfies, n=1)
+    toolbox.register("population", tools.initRepeat, list, toolbox.individual)
+    toolbox.register("evaluate", evaluate_individual_optimized, models=models, targets=targets, active_props=active_props, ranges=ranges_dict)
+    toolbox.register("mate", cxSelfies)
+    toolbox.register("select", tools.selTournament, tournsize=7) # Turnuva boyutu 7 (Önerilen)
+
+    pop_size = 100
+    pop = toolbox.population(n=pop_size)
+    
+    # Sadece en iyilerin geçmişini tutacağız
+    best_fitness_history = []
+    
+    # Parametreler (Optimize ettiğimiz değerler)
+    cxpb, mutpb, extendpb, newpb, chempb = 0.8, 0.05, 0.05, 0.01, 0.05
+
+    # --- HIZLI DÖNGÜ ---
+    for gen in range(generations):
+        # Seçilim & Klonlama
+        offspring = toolbox.select(pop, pop_size)
+        offspring = list(map(toolbox.clone, offspring))
+
+        # Çaprazlama
+        for child1, child2 in zip(offspring[::2], offspring[1::2]):
+            if random.random() < cxpb:
+                toolbox.mate(child1, child2)
+                del child1.fitness.values, child2.fitness.values
+
+        # Mutasyon
+        for i in range(len(offspring)):
+            if not offspring[i].fitness.valid: pass
+            offspring[i] = generate_offspring(offspring[i], initial_pop, mutpb=mutpb, extendpb=extendpb, newpb=newpb, chempb=chempb)
+            del offspring[i].fitness.values
+
+        # Değerlendirme
+        invalid_ind = [ind for ind in offspring if not ind.fitness.valid]
+        fitnesses = map(toolbox.evaluate, invalid_ind)
+        for ind, fit in zip(invalid_ind, fitnesses):
+            ind.fitness.values = fit
+        
+        pop = offspring
+        
+        # En iyiyi kaydet
+        fits = [ind.fitness.values[0] for ind in pop]
+        best_fitness_history.append(min(fits))
+
+    return best_fitness_history
+# --- YARDIMCI KİMYA FONKSİYONLARI (Değişmedi) --
+def run_mass_random_test(models, generations, initial_pop, ranges_dict, num_trials=100):
+    """
+    Rastgele hedeflerle 100 kez stres testi yapar.
+    """
+    results = []
+    all_props_list = list(ranges_dict.keys())
+    
+    # İlerleme Göstergeleri
+    progress_bar = st.progress(0)
+    status_text = st.empty()
+    
+    for i in range(num_trials):
+        # 1. RASTGELE SENARYO OLUŞTURMA
+        # Kaç özellik optimize edilecek? (2 ile 5 arası rastgele)
+        n_active = random.randint(2, 5)
+        # Hangi özellikler olacak?
+        active_props = random.sample(all_props_list, n_active)
+        
+        # Hedefleri belirle (Rastgele)
+        current_targets = {}
+        target_descriptions = []
+        for prop in active_props:
+            r = ranges_dict[prop]
+            # Min ve Max arasında rastgele bir değer seç
+            val = random.uniform(r['min'], r['max'])
+            
+            # Bazı değerleri tam sayıya yuvarla (Sıcaklıklar gibi)
+            if r.get('is_int', False) or prop in ['Tg', 'Td', 'Tm', 'LOI']:
+                val = round(val, 0)
+            else:
+                val = round(val, 2)
+                
+            current_targets[prop] = val
+            target_descriptions.append(f"{prop}={val}")
+
+        # 2. GA'YI ÇALIŞTIR (Sessiz Modda)
+        # run_ga_silent fonksiyonunu önceki adımdan aldığınızı varsayıyorum
+        history = run_ga_silent(models, generations, current_targets, active_props, initial_pop, ranges_dict)
+        
+        # 3. SONUCU KAYDET
+        final_score = history[-1] # En son jenerasyonun en iyi skoru
+        
+        results.append({
+            "Deneme No": i + 1,
+            "Hedef Sayısı": n_active,
+            "Hedefler": ", ".join(target_descriptions),
+            "Final Hata Skoru": final_score
+        })
+        
+        # İlerlemeyi Güncelle
+        progress_bar.progress((i + 1) / num_trials)
+        status_text.text(f"Test {i+1}/{num_trials} | Son Hata: {final_score:.4f} | Hedefler: {', '.join(target_descriptions)[:50]}...")
+    
+    status_text.success(f"{num_trials} Farklı Senaryo Testi Tamamlandı!")
+    return pd.DataFrame(results)
+def smiles_to_selfies_safe(smiles):
+    if not smiles: return None
+    clean_smi = smiles.replace('*', '[H]').replace('(*)', '[H]').replace('[*]', '[H]')
+    try:
+        selfies_string = sf.encoder(clean_smi)
+        return selfies_string.replace('[H]', '[*]')
+    except:
+        return None
+
+def selfies_to_smiles_safe(selfes_string):
+    if not selfes_string: return None
+    try:
+        temp_selfies = selfes_string.replace('[*]', '[H]')
+        smiles = sf.decoder(temp_selfies)
+        return smiles.replace('[H]', '*')
+    except:
+        return None
+
+def get_morgan_fp(p_smiles):
+    smi_clean = str(p_smiles).replace('*', '[H]').replace('(*)', '[H]').replace('[*]', '[H]')
+    mol = Chem.MolFromSmiles(smi_clean)
+    if mol is None: return None
+    fp = AllChem.GetMorganFingerprintAsBitVect(mol, 3, N_BITS)
+    return np.array([fp])
+# --- MEVCUT IMPORTLARIN ALTINA EKLE ---
+from rdkit.Chem import Descriptors
+
+# --- YENİ ÖZELLİK FONKSİYONU ---
+def get_gas_features_combined(smiles):
+    """
+    Gaz geçirgenliği LGBM modeli için hem Morgan FP hem de
+    Fiziksel Deskriptörleri birleştirir.
+    """
+    try:
+        mol = Chem.MolFromSmiles(smiles.replace('*', '[H]'))
+        if mol is None: return None
+        
+        # 1. Morgan Fingerprint (2048 bit)
+        fp = np.array(AllChem.GetMorganFingerprintAsBitVect(mol, 3, nBits=2048))
+        
+        # 2. Fiziksel Deskriptörler
+        desc = np.array([
+            Descriptors.MolWt(mol),
+            Descriptors.MolLogP(mol),
+            Descriptors.TPSA(mol),
+            Descriptors.NumRotatableBonds(mol),
+            Descriptors.FractionCSP3(mol),
+            Descriptors.HallKierAlpha(mol)
+        ])
+        
+        # İkisini birleştir
+        return np.concatenate((fp, desc)).reshape(1, -1)
+    except:
+        return None
+def cxSelfies(ind1, ind2):
+    t1 = list(sf.split_selfies(ind1[0]))
+    t2 = list(sf.split_selfies(ind2[0]))
+    min_len = min(len(t1), len(t2))
+    if min_len < 2: return ind1, ind2
+
+    # Segmentleri belirle
+    split1 = random.randint(1, min_len-1)
+    split2 = random.randint(1, min_len-1)
+    
+    new1 = t1[:split1] + t2[split2:]
+    new2 = t2[:split2] + t1[split1:]
+
+    # Valid bireyleri seç
+    new1_str = "".join(new1)
+    new2_str = "".join(new2)
+    
+    if is_valid_polymer(new1_str):
+        ind1[0] = new1_str
+    if is_valid_polymer(new2_str):
+        ind2[0] = new2_str
+    return ind1, ind2
+
+def mutSelfies(individual):
+    # Mutasyon fonksiyonu (Değişmedi)
+    tokens = list(sf.split_selfies(individual[0]))
+    if not tokens: return individual,
+    if random.random() < 0.6 and len(tokens) > 1:
+        idx = random.randint(0, len(tokens) - 1)
+        del tokens[idx]
+    if random.random() < 0.4:
+        idx = random.randint(0, len(tokens))
+        new_token = random.choice(['[C]', '[N]', '[O]', '[F]', '[Cl]', '[S]', '[*]'])
+        tokens.insert(idx, new_token)
+    individual[0] = "".join(tokens)
+    return individual,
+
+# =========================================================================
+# II. DİNAMİK DEĞERLENDİRME ÇEKİRDEĞİ (DYNAMIC EVALUATE)
+# =========================================================================
+# II. DİNAMİK DEĞERLENDİRME ÇEKİRDEĞİ kısmına ekleyin
+
+# Global önbellek sözlüğü (Uygulama yeniden başlayana kadar tutulur)
+# Key: SELFIES string, Value: (Fitness Score,)
+FITNESS_CACHE = {}
+
+def evaluate_individual_optimized(individual, models, targets, active_props, ranges):
+    s_selfies = individual[0]
+    
+    # Önbellek Kontrolü
+    if s_selfies in FITNESS_CACHE:
+        return FITNESS_CACHE[s_selfies]
+
+    s_smiles = selfies_to_smiles_safe(s_selfies)
+    if s_smiles is None: return (1000.0,)
+
+    # Standart Fingerprint (Diğer modeller için)
+    fp = get_morgan_fp(s_smiles)
+    
+    # Gas Model Özellikleri (Sadece GasPerma aktifse hesapla)
+    gas_features = None
+    if 'GasPerma' in active_props:
+        gas_features = get_gas_features_combined(s_smiles)
+
+    if fp is None: return (1000.0,)
+
+    preds = {}
+    
+    # --- TAHMİN DÖNGÜSÜ ---
+    for prop in active_props:
+        if prop in models:
+            # ÖZEL DURUM: GasPerma modeli için özel özellikleri kullan
+            if prop == 'GasPerma':
+                if gas_features is not None:
+                    # Model log10 tahmini yapıyor, bunu gerçek değere çeviriyoruz (10^x)
+                    log_pred = models[prop].predict(gas_features)[0]
+                    preds[prop] = 10 ** log_pred 
+                else:
+                    preds[prop] = 0.0 # Hata durumunda
+            
+            # DİĞERLERİ: Standart Fingerprint kullanır
+            else:
+                preds[prop] = models[prop].predict(fp)[0]
+    
+    # --- HATA HESAPLAMA ---
+    total_error = 0.0
+    if not active_props: return (1000.0,)
+
+    for prop in active_props:
+        if prop in preds:
+            norm_error = abs(preds[prop] - targets[prop]) / (ranges[prop]['max'] - ranges[prop]['min'])
+            total_error += np.exp(norm_error * 10) - 1
+    
+    # ... (Geri kalan SA Score ve return kısmı aynı kalacak) ...
+    sa_score = get_sa_score_local(s_smiles)
+    total_error += sa_score * 2.0
+    
+    result = (total_error,)
+    FITNESS_CACHE[s_selfies] = result
+    return result
+def run_random_benchmark(models, targets, active_props, initial_pop, ranges_dict, total_budget, batch_size=100):
+    """
+    GA ile adil kıyaslama için Rastgele Arama (Random Search) yapar.
+    total_budget: Toplam değerlendirme sayısı (GA'daki pop_size * generations)
+    batch_size: Grafik çizimi için her kaç adımda bir kayıt alınacağı (GA'daki pop_size kadar olmalı)
+    """
+    history_random = []
+    best_so_far = float('inf')
+    
+    # İlerleme çubuğu (kullanıcı beklerken sıkılmasın)
+    progress_text = st.empty()
+    bar = st.progress(0)
+    
+    for i in range(0, total_budget, batch_size):
+        # Batch (Grup) halindeki rastgele bireyler
+        # initial_pop listesinden rastgele seç
+        candidates = random.sample(initial_pop, batch_size) 
+        
+        scores = []
+        for ind_selfies in candidates:
+            # Mevcut evaluate fonksiyonunu kullanıyoruz (Adil olması için)
+            # individual formatı liste olduğu için [ind_selfies] şeklinde veriyoruz
+            fit = evaluate_individual_optimized([ind_selfies], models, targets, active_props, ranges_dict)
+            
+            # Ceza puanı alanları (1000) filtreleyebiliriz veya olduğu gibi alabiliriz
+            # Random search genelde çok hata yapar, olduğu gibi alalım.
+            scores.append(fit[0])
+        
+        # Bu batch'teki en iyiyi bul
+        current_batch_best = min(scores)
+        
+        # Genel en iyiyi güncelle
+        if current_batch_best < best_so_far:
+            best_so_far = current_batch_best
+            
+        history_random.append(best_so_far)
+        
+        # İlerlemeyi güncelle
+        progress = (i + batch_size) / total_budget
+        if progress > 1.0: progress = 1.0
+        bar.progress(progress)
+        progress_text.text(f"Rastgele Arama: {i}/{total_budget} tamamlandı. En iyi skor: {best_so_far:.4f}")
+        
+    bar.empty()
+    progress_text.empty()
+    return history_random
+
+def evaluate_individual_single_obj(individual, models, targets, active_props):
+
+    """
+
+    Seçilen hedeflere (active_props) olan toplam mesafeye (hata) göre değerlendirir.
+
+    """
+
+    s_selfies = individual[0]
+
+    s_smiles = selfies_to_smiles_safe(s_selfies)
+
+   
+
+    if s_smiles is None:
+
+        return (1000.0,)
+
+
+
+    fp = get_morgan_fp(s_smiles)
+
+    if fp is None:
+
+        return (1000.0,)
+
+
+
+    # 1. Tahminleri Al
+
+    preds = {}
+
+    for prop in active_props:
+
+        if prop in models:
+
+             preds[prop] = models[prop].predict(fp)[0]
+
+   
+
+    # 2. Toplam Hatayı Hesapla
+
+    total_error = 0.0
+
+   
+
+    if not active_props:
+
+        # Hiçbir hedef seçilmezse ceza
+
+        return (1000.0,)
+
+
+
+    for prop in active_props:
+
+        # Hata = |Tahmin - Hedef|
+
+        if prop in preds:
+
+            norm_error = abs(preds[prop] - targets[prop]) / (ranges[prop]['max'] - ranges[prop]['min'])
+
+            total_error += np.exp(norm_error * 10) - 1  # Küçük farklar neredeyse lineer, büyük farklar çok ağır
+
+   
+
+    # Seçilen hiçbir özellik hesaplanamazsa büyük ceza
+
+    if total_error == 0.0 and len(active_props) > 0:
+
+         return (1000.0,)
+    
+    total_error += get_sa_score_local(s_smiles) / 10.0 # SA Score ekle
+         
+
+    return (total_error,)
+
+# =========================================================================
+# III. ANA GENETİK ALGORİTMA AKIŞI
+# =========================================================================
+
+# DEAP Yapısını Tanımlama (Minimizasyon için)
+if "FitnessMin" not in creator.__dict__:
+    creator.create("FitnessMin", base.Fitness, weights=(-1.0,)) # Minimizasyon için
+    creator.create("Individual", list, fitness=creator.FitnessMin)
+
+# =========================
+# 1. Sentezlenebilirlik Kontrolü
+# =========================
+def is_valid_polymer(selfies_str):
+    """
+    Hem kimyasal geçerliliği hem de polimer olma şartını (bağlantı noktaları) kontrol eder.
+    """
+    # 1. SELFIES -> SMILES dönüşümü
+    smiles = selfies_to_smiles_safe(selfies_str)
+    if smiles is None: 
+        return False
+
+    # ==========================================================
+    # KONTROL 1: Bağlantı Noktası (Star Atom) Kontrolü
+    # ==========================================================
+    # Bir polimerin tekrar eden birim (monomer) olması için 
+    # en az 2 ucunun açık olması gerekir (* işareti).
+    # Lineer polimerler için genellikle tam 2 adet istenir.
+    # Ağ yapılı (cross-linked) polimerler için >2 olabilir.
+    
+    star_count = smiles.count('*')
+    if star_count < 2:
+        return False  # Zincir kopmuş, bu artık bir polimer değil.
+
+    # ==========================================================
+    # KONTROL 2: Çok Küçük Moleküllerin Engellenmesi
+    # ==========================================================
+    # GA bazen "*C*" gibi çok anlamsız küçük şeyler üretebilir.
+    # Yıldızlar hariç atom sayısına bakabiliriz.
+    
+    clean_smi = smiles.replace('*', '[H]')
+    mol = Chem.MolFromSmiles(clean_smi)
+    
+    if mol is None:
+        return False # Kimyasal olarak bozuk
+        
+    # Yıldızlar (Hidrojen oldu) hariç ağır atom sayısı (C, O, N vs.) en az 4 olsun
+    if mol.GetNumHeavyAtoms() < 4:
+        return False
+
+    return True
+
+
+MUTATION_TOKENS = ['[C]', '[N]', '[O]', '[F]', '[Cl]', '[S]', '[*]', 'c', 'n', 'o']
+
+# =========================
+# 2. Mutasyon (küçük token değişiklikleri)
+# =========================
+def mutSelfies(individual, max_attempts=5):
+    tokens = list(sf.split_selfies(individual[0]))
+    if not tokens: 
+        return individual
+
+    for _ in range(max_attempts):
+        temp_tokens = tokens.copy()
+        # Token silme
+        if random.random() < 0.3 and len(temp_tokens) > 1:
+            idx = random.randint(0, len(temp_tokens) - 1)
+            del temp_tokens[idx]
+        # Token ekleme
+        if random.random() < 0.3:
+            idx = random.randint(0, len(temp_tokens))
+            new_token = random.choice(MUTATION_TOKENS)
+            temp_tokens.insert(idx, new_token)
+        # Token değiştirme
+        if random.random() < 0.3:
+            idx = random.randint(0, len(temp_tokens) - 1)
+            temp_tokens[idx] = random.choice(MUTATION_TOKENS)
+        
+        candidate = "".join(temp_tokens)
+        if is_valid_polymer(candidate):
+            individual[0] = candidate
+            return individual
+    
+    # Max deneme sonrası geçerli değilse rastgele valid birey ata
+    individual[0] = random.choice(initial_selfies)
+    return individual
+
+
+# =========================
+# 3. Zincir Uzatma
+# =========================
+def extendPolymer(individual, max_add=3):
+    tokens = list(sf.split_selfies(individual[0]))
+    for _ in range(random.randint(1, max_add)):
+        tokens.append(random.choice(['[C]', '[N]', '[O]', '[F]', '[Cl]', '[S]']))
+    candidate = "".join(tokens)
+    return candidate if is_valid_polymer(candidate) else individual[0]
+
+
+# =========================
+# 4. Reaction tabanlı mutasyon 
+# =========================
+import rdkit.Chem.rdChemReactions as rdChemReactions
+from rdkit.Chem import rdmolops
+
+# Örnek reaction havuzu (kendi ihtiyacına göre genişletilebilir)
+REACTION_SMARTS = [
+    "[C:1][H:2]>>[C:1]Cl",
+    "[C:1][H:2]>>[C:1]O",
+    "[C:1](=O)[O;H1].[O;H1][C:2]>>[C:1](=O)O[C:2]",
+    "[C:1](=O)Cl.[N:2]>>[C:1](=O)N",
+    "[O:1][H].[C:2]Br>>[O:1][C:2]",
+    "c1ccccc1>>c1([N+](=O)[O-])ccccc1",
+    "[C:1]=[C:2]>>[C:1]-[C:2]"
+]
+
+RDKit_REACTIONS = [rdChemReactions.ReactionFromSmarts(s) for s in REACTION_SMARTS]
+
+def chemically_valid_mutate(p_smi: str, reactions=RDKit_REACTIONS, attempts=6):
+    """Reaction tabanlı mutasyon uygular; başarısızsa fallback döner."""
+    def sanitize_and_canonicalize(smiles):
+        try:
+            mol = Chem.MolFromSmiles(smiles)
+            if mol is None: return None
+            rdmolops.SanitizeMol(mol)
+            return Chem.MolToSmiles(mol, canonical=True)
+        except:
+            return None
+
+    def replace_star_with_H(smi: str):
+        return str(smi).replace('*', '[H]')
+
+    def restore_H_to_star(smi: str):
+        return str(smi).replace('[H]', '*')
+
+    def is_reasonable_product(prod_smiles, max_atoms=120, min_atoms=4):
+        if prod_smiles is None: return False
+        try:
+            m = Chem.MolFromSmiles(prod_smiles)
+            if m is None: return False
+            n = m.GetNumAtoms()
+            if n > max_atoms or n < min_atoms: return False
+            try: rdmolops.SanitizeMol(m)
+            except: return False
+            return True
+        except: return False
+
+    # 1. Prepare
+    base = replace_star_with_H(p_smi)
+    base_mol = Chem.MolFromSmiles(base)
+    if base_mol is None: return p_smi
+
+    # 2. Reaction denemeleri
+    candidate_products = []
+    for _ in range(attempts):
+        rxn = random.choice(reactions)
+        try:
+            ps = rxn.RunReactants((base_mol,))
+        except:
+            ps = ()
+        for prod_tuple in ps:
+            for prod_mol in prod_tuple:
+                try:
+                    prod_smiles = Chem.MolToSmiles(prod_mol, canonical=True)
+                except: prod_smiles = None
+                prod_restored = restore_H_to_star(prod_smiles) if prod_smiles else None
+                if is_reasonable_product(prod_restored):
+                    candidate_products.append(prod_restored)
+
+    # 3. Sonuç
+    if candidate_products:
+        out = random.choice(candidate_products)
+        if out == p_smi or len(out) < max(4, len(p_smi)//2):
+            return p_smi
+        return out
+    return p_smi
+
+# =========================
+# 5. Offspring Üretim Fonksiyonu
+# =========================
+
+mutation_stats = {'SELFIES':0, 'REACTION':0, 'EXTEND':0, 'NEW':0}
+
+def generate_offspring(individual, initial_selfies, mutpb=0.05, extendpb=0.05, newpb=0.01, chempb=0.05):
+    """Mutasyon, zincir uzatma, yeni birey ve reaction mutasyonunu uygular."""
+    # 1. SELFIES mutasyonu
+    if random.random() < mutpb:
+        individual = mutSelfies(individual)
+        mutation_stats['SELFIES'] += 1
+
+    # 2. Reaction tabanlı mutasyon
+    if random.random() < chempb:
+        smi = selfies_to_smiles_safe(individual[0])
+        if smi:
+            mutated = chemically_valid_mutate(smi)
+            ind_selfies = smiles_to_selfies_safe(mutated)
+            if ind_selfies:
+                individual[0] = ind_selfies
+                mutation_stats['REACTION'] += 1
+
+    # 3. Zincir uzatma
+    if random.random() < extendpb:
+        individual[0] = extendPolymer(individual)
+        mutation_stats['EXTEND'] += 1
+
+    # 4. Rastgele yeni birey
+    if random.random() < newpb:
+        individual[0] = random.choice(initial_selfies)
+        mutation_stats['NEW'] += 1
+
+    # 5. Geçerlilik kontrolü
+    if not is_valid_polymer(individual[0]):
+        individual[0] = random.choice(initial_selfies)
+    return individual
+
+# =========================
+# 6. run_single_objective_flow Güncellemesi
+# =========================
+def run_single_objective_flow(models, generations, targets, active_props, initial_pop, ranges_dict):
+    # --- DEAP Kurulumu ---
+    toolbox = base.Toolbox()
+    toolbox.register("attr_selfies", random.choice, initial_pop)
+    toolbox.register("individual", tools.initRepeat, creator.Individual, toolbox.attr_selfies, n=1)
+    toolbox.register("population", tools.initRepeat, list, toolbox.individual)
+    
+    # Optimize edilmiş evaluate fonksiyonu
+    toolbox.register("evaluate", evaluate_individual_optimized, models=models, targets=targets, active_props=active_props, ranges=ranges_dict)
+    
+    toolbox.register("mate", cxSelfies)
+    toolbox.register("select", tools.selTournament, tournsize=7)
+    
+    pop_size = 100 
+    pop = toolbox.population(n=pop_size)
+    
+    # --- PERFORMANS TAKİP VERİ YAPISI ---
+    history = {
+        "gen": [],
+        "best_fitness": [],
+        "avg_fitness": [],
+        "diversity": [] # Standart sapma
+    }
+
+    # İlk değerlendirme
+    fitnesses = list(map(toolbox.evaluate, pop))
+    for ind, fit in zip(pop, fitnesses):
+        ind.fitness.values = fit
+
+    # --- UI Elementleri (Canlı Dashboard) ---
+    st.markdown("### 🧬 Evrimsel Süreç İzleme Paneli")
+    progress_bar = st.progress(0)
+    status_text = st.empty()
+    
+    # Grafikler için yan yana iki kolon (Canlı güncellenecek)
+    col_chart1, col_chart2 = st.columns(2)
+    with col_chart1:
+        st.caption("📉 Yakınsama (Convergence)")
+        chart_fitness_placeholder = st.empty()
+    with col_chart2:
+        st.caption("🌊 Popülasyon Çeşitliliği (Diversity)")
+        chart_diversity_placeholder = st.empty()
+
+    log_expander = st.expander("📝 GA Logları (Detay)", expanded=False)
+    with log_expander:
+        log_placeholder = st.empty()
+        mutation_placeholder = st.empty()
+
+    log_data = [] 
+
+    # --- ANA DÖNGÜ ---
+    for gen in range(generations):
+        # Adaptif oranlar
+        scale = gen / generations
+        cxpb = 0.7 - (0.2 * scale)
+        mutpb = 0.05 - (0.2 * scale)
+        extendpb = 0.05 - (0.15 * scale)
+        newpb = 0.01 - (0.05 * scale)
+        chempb = 0.05 - (0.15 * scale)
+
+        # Seçilim ve Klonlama
+        offspring = toolbox.select(pop, pop_size)
+        offspring = list(map(toolbox.clone, offspring))
+
+        # Çaprazlama
+        for child1, child2 in zip(offspring[::2], offspring[1::2]):
+            if random.random() < cxpb:
+                toolbox.mate(child1, child2)
+                del child1.fitness.values, child2.fitness.values
+
+        # Mutasyon
+        for i in range(len(offspring)):
+            if not offspring[i].fitness.valid: 
+                 pass
+            offspring[i] = generate_offspring(offspring[i], initial_pop, mutpb=mutpb, extendpb=extendpb, newpb=newpb, chempb=chempb)
+            del offspring[i].fitness.values
+
+        # Değerlendirme
+        invalid_ind = [ind for ind in offspring if not ind.fitness.valid]
+        fitnesses = map(toolbox.evaluate, invalid_ind)
+        for ind, fit in zip(invalid_ind, fitnesses):
+            ind.fitness.values = fit
+        
+        pop = offspring
+        
+        # --- İstatistik Toplama (Kritik Bölüm) ---
+        # --- ESKİ KOD (SİLİN) ---
+        # fits = [ind.fitness.values[0] for ind in pop]
+        # best_val = min(fits)
+        # mean_val = sum(fits) / len(pop)
+        # std_val = np.std(fits)
+
+        # --- YENİ KOD (BUNU YAPIŞTIRIN) ---
+        fits = [ind.fitness.values[0] for ind in pop]
+        
+        # 1. Sadece "Canlı" (Geçerli) bireyleri filtrele (Ceza puanı 999'dan küçük olanlar)
+        valid_fits = [f for f in fits if f < 999.0]
+        
+        # 2. İstatistikleri sadece canlılar üzerinden hesapla
+        if valid_fits:
+            best_val = min(valid_fits) # Zaten min değişmez ama garanti olsun
+            mean_val = sum(valid_fits) / len(valid_fits) # GERÇEK ORTALAMA
+            std_val = np.std(valid_fits) # GERÇEK ÇEŞİTLİLİK
+        else:
+            # Herkes öldüyse (Çok nadir olur)
+            best_val = 1000.0
+            mean_val = 1000.0
+            std_val = 0.0
+
+        # 3. Hayatta Kalma Oranını Hesapla (Survival Rate)
+        survival_rate = (len(valid_fits) / len(pop)) * 100
+        
+        # Geçmişe kaydet (survival_rate'i de ekleyebilirsin istersen)
+        history["gen"].append(gen)
+        history["best_fitness"].append(best_val)
+        history["avg_fitness"].append(mean_val)
+        history["diversity"].append(std_val)
+        
+        log_data.append({
+            "Nesil": gen + 1,
+            "En İyi Hata": round(best_val, 4),
+            "Ortalama (Valid)": round(mean_val, 4),
+            "Canlılık Oranı %": round(survival_rate, 1) # Log tablosunda bunu görmek çok işinize yarar
+        })
+
+        # --- UI Güncelleme (Her adımda veya 2 adımda bir) ---
+        if gen % 2 == 0 or gen == generations - 1:
+            progress_bar.progress((gen + 1) / generations)
+            status_text.markdown(f"**Nesil {gen+1}/{generations}** | En İyi Hata: `{best_val:.4f}` | Çeşitlilik: `{std_val:.4f}`")
+            
+            # 1. Fitness Grafiği Verisi
+            df_fit = pd.DataFrame({
+                "En İyi (Best)": history["best_fitness"],
+                "Ortalama (Avg)": history["avg_fitness"]
+            })
+            chart_fitness_placeholder.line_chart(df_fit, height=250)
+            
+            # 2. Diversity Grafiği Verisi
+            df_div = pd.DataFrame({
+                "Çeşitlilik (Std Dev)": history["diversity"]
+            })
+            # Çeşitlilik grafiğini kırmızı tonla göstermek için (Streamlit varsayılanı kullanır ama veri tek kolon)
+            chart_diversity_placeholder.line_chart(df_div, height=250)
+            
+            # Log Tablosu
+            df_log = pd.DataFrame(log_data)
+            log_placeholder.dataframe(df_log.sort_values(by="Nesil", ascending=False).head(5), use_container_width=True)
+            mutation_placeholder.json(mutation_stats)
+
+    # Sonuç
+    best_ind = tools.selBest(pop, 5)[0]
+    best_smiles = selfies_to_smiles_safe(best_ind[0])
+    
+    # ... (Yukarıdaki GA döngüsü bittikten sonra) ...
+
+    # Sonuç - En iyi bireyi seç
+    best_ind = tools.selBest(pop, 5)[0]
+    best_smiles = selfies_to_smiles_safe(best_ind[0])
+    
+    if best_smiles:
+        # 1. Standart Fingerprint (Eski modeller için)
+        fp = get_morgan_fp(best_smiles)
+        
+        # 2. Gaz Modeli için Gelişmiş Özellikler (Yeni model için)
+        gas_features = get_gas_features_combined(best_smiles)
+
+        preds = {}
+        
+        # Tüm modeller için tahmin yaparken ayrım yapmalıyız
+        for prop in models.keys():
+            # ÖZEL DURUM: GasPerma
+            if prop == 'GasPerma':
+                if gas_features is not None:
+                    # Model 2054 özellik bekler
+                    log_pred = models[prop].predict(gas_features)[0]
+                    # Log10'u geri çevir (10^x)
+                    preds[prop] = 10 ** log_pred
+                else:
+                    preds[prop] = 0.0
+            
+            # STANDART DURUM: Diğer modeller (Tg, Td, vs.)
+            else:
+                # Modeller sadece 2048 özellik (fp) bekler
+                preds[prop] = models[prop].predict(fp)[0]
+        
+        # History sözlüğünü döndürüyoruz
+        return {'smiles': best_smiles, 'preds': preds, 'total_error': best_ind.fitness.values[0]}, history
+    else:
+        return None, history
+
+import requests
+
+@st.cache_data
+def check_pubchem_availability(smiles: str):
+    """
+    Verilen SMILES için PubChem'de kayıtlı mı kontrol eder.
+    Yıldızları (*) temizleyerek arama yapar.
+    """
+    # DÜZELTME: Yıldızları temizle veya Hidrojene çevir
+    clean_smi = smiles.replace('*', '') 
+    
+    # URL encoded hale getirmek gerekebilir ama requests bunu genelde yapar.
+    url = f"https://pubchem.ncbi.nlm.nih.gov/rest/pug/compound/smiles/{clean_smi}/cids/JSON"
+    
+    try:
+        response = requests.get(url, timeout=5)
+        
+        # 404 (Bulunamadı) normaldir, hata fırlatmasın
+        if response.status_code == 404:
+            return False, None, None
+            
+        response.raise_for_status()
+        data = response.json()
+        
+        if "IdentifierList" in data and "CID" in data["IdentifierList"]:
+            cid = data["IdentifierList"]["CID"][0]
+            
+            # İsim sorgusu
+            name_url = f"https://pubchem.ncbi.nlm.nih.gov/rest/pug/compound/cid/{cid}/property/IUPACName/JSON"
+            name_resp = requests.get(name_url, timeout=5)
+            if name_resp.status_code == 200:
+                name_data = name_resp.json()
+                name = name_data["PropertyTable"]["Properties"][0].get("IUPACName", "Bilinmiyor")
+            else:
+                name = "Bilinmiyor"
+                
+            return True, cid, name
+        else:
+            return False, None, None
+            
+    except Exception:
+        # Hata olsa bile uygulamayı durdurma, sessizce geç
+        return False, None, None
+# --- TİCARİ KONTROL FONKSİYONU ---
+def check_commercial_availability(query):
+    """
+    Verilen ismi veya SMILES'ı PubChem'de arar.
+    Ticari olarak satılıp satılmadığını (Vendor sayısı) kontrol eder.
+    """
+    try:
+        # İsim veya SMILES ile arama yap
+        compounds = pcp.get_compounds(query, 'name')
+        if not compounds:
+            compounds = pcp.get_compounds(query, 'smiles')
+            
+        if compounds:
+            cid = compounds[0].cid
+            # PubChem'den "Vendor" (Satıcı) bilgisini çekmek biraz daha karmaşıktır,
+            # bu yüzden basitçe "Kayıt var mı?" kontrolü yapıyoruz.
+            # Kayıt varsa %99 ticaridir veya sentezlenebilir.
+            synonyms = compounds[0].synonyms
+            common_name = synonyms[0] if synonyms else query
+            return True, cid, common_name
+        else:
+            return False, None, None
+    except:
+        return False, None, None
+def make_3d_view_with_reason(smiles):
+    try:
+        clean_smi = str(smiles).replace('*', '[H]')
+        mol = Chem.MolFromSmiles(clean_smi)
+        if mol is None:
+            return None, "SMILES geçersiz veya RDKit ile molekül oluşturulamadı."
+        
+        mol = Chem.AddHs(mol)
+        if AllChem.EmbedMolecule(mol) != 0:
+            return None, "3D koordinatlar hesaplanamadı (Embed başarısız)."
+        
+        try:
+            AllChem.MMFFOptimizeMolecule(mol)
+        except:
+            return None, "3D yapı enerji optimizasyonunda başarısız."
+        
+        mblock = Chem.MolToMolBlock(mol)
+        view = py3Dmol.view(width=400, height=400)
+        view.addModel(mblock, 'mol')
+        view.setStyle({'stick':{'colorscheme':'Jmol'}})
+        view.zoomTo()
+        view.spin(True)
+        return view, None
+    except Exception as e:
+        return None, f"Beklenmeyen bir hata: {e}"
+
+def get_ai_interpretation(api_key, smiles, preds, targets, active_props):
+    """Gemini API kullanarak polimer analizi yapar."""
+    if not api_key:
+        return "⚠️ Analiz için lütfen sol menüden geçerli bir Google Gemini API Anahtarı giriniz."
+    
+    try:
+        genai.configure(api_key=api_key)
+        model = genai.GenerativeModel('gemini-2.5-flash') # Hızlı ve ekonomik model
+        
+        # Dinamik Prompt Hazırlama
+        prompt = f"""
+        Sen uzman bir Polimer Kimyagerisin ve Malzeme Bilimci'sin. 
+        Aşağıda genetik algoritma ile üretilmiş yeni bir polimer adayı var.
+        
+        Molekül (SMILES): {smiles}
+        
+        Tahmin Edilen Özellikler:
+        """
+        
+        for prop in active_props:
+            target_val = targets.get(prop, "Belirtilmedi")
+            pred_val = preds.get(prop, 0.0)
+            prompt += f"- {prop}: Tahmin={pred_val:.2f} (Hedef={target_val})\n"
+            
+        prompt += """
+        
+        Lütfen bu polimeri şu başlıklar altında Türkçe olarak detaylıca analiz et:
+        1. **Yapı-Özellik İlişkisi:** Bu yapısal özellikler (halkalar, fonksiyonel gruplar, zincir uzunluğu vb.) neden bu tahmin değerlerini (özellikle Tg ve Td) ortaya çıkarmış olabilir? Kimyasal mantığı nedir?
+        2. **Potansiyel Uygulama Alanları:** Bu özelliklere sahip bir polimer endüstride nerede kullanılabilir? (Örn: Havacılık, paketleme, elektronik, membran vb.)
+        3. **Sentezlenebilirlik Yorumu:** Yapıya bakarak sentez zorluğu veya stabilite hakkında kısa bir yorum yap.
+        
+        Yanıtın profesyonel, bilimsel ama anlaşılır olsun. Markdown formatı kullan.
+        """
+        
+        with st.spinner('Yapay Zeka polimeri inceliyor...'):
+            response = model.generate_content(prompt)
+            return response.text
+            
+    except Exception as e:
+        return f"❌ AI Bağlantı Hatası: {str(e)}"
+# --- SA Score Fonksiyonu ---
+
+def get_sa_score_local(p_smiles):
+    """
+    Yerel SA Score Hesaplayıcı.
+    Eğer klasörde 'sascorer.py' varsa onu kullanır, yoksa basit hesaplama yapar.
+    """
+    try:
+        import sascorer
+        smi_clean = str(p_smiles).replace('*', '[H]').replace('(*)', '[H]').replace('[*]', '[H]')
+        mol = Chem.MolFromSmiles(smi_clean)
+        if mol is None: 
+            raise ValueError("Mol oluşturulamadı")
+        return sascorer.calculateScore(mol)
+    except:
+        # Basit yedek hesaplama: uzunluk ve halka sayısına göre
+        length = len(str(p_smiles))
+        score = 2.0 + (length * 0.05)
+        if "c1" in str(p_smiles): 
+            score += 0.5
+        return min(score, 10.0)
+# =========================================================================
+# VII. YEŞİL KİMYA / SÜRDÜRÜLEBİLİRLİK MOTORU
+# =========================================================================
+
+def calculate_green_score(smiles):
+    """
+    Polimerin potansiyel biyo-bozunurluğunu ve çevresel etkisini puanlar.
+    Puan: 1 (Çok Kötü/Kalıcı) - 10 (Mükemmel/Bozunabilir)
+    """
+    mol = Chem.MolFromSmiles(smiles.replace('*', '[H]'))
+    if not mol: return 0, "Hesaplanamadı", "#7f8c8d"
+    
+    score = 5.0 # Nötr başlangıç
+    notes = []
+    
+    # --- 1. BOZUNABİLİR BAĞLAR (Pozitif) ---
+    # Ester Bağı: Hidroliz olur, doğada parçalanır (Örn: PLA)
+    if mol.HasSubstructMatch(Chem.MolFromSmarts("[C;!R](=[O])[O;!R]")):
+        score += 3.0
+        notes.append("Ester bağı (Hidroliz olabilir)")
+        
+    # Amid Bağı: Enzimlerle parçalanabilir (Örn: Proteinler, Naylon)
+    if mol.HasSubstructMatch(Chem.MolFromSmarts("[C;!R](=[O])[N;!R]")):
+        score += 2.0
+        notes.append("Amid bağı (Biyo-bozunurluk potansiyeli)")
+        
+    # Eter Bağı (PEG gibi): Suda çözünürlük sağlar, biyolojik atılımı kolaylaştırır
+    if mol.HasSubstructMatch(Chem.MolFromSmarts("[C][O][C]")):
+        score += 1.0
+        notes.append("Eter grubu (Hidrofilik özellik)")
+
+    # --- 2. KALICILIK ve TOKSİSİTE (Negatif) ---
+    # Halojenler (F, Cl, Br): Doğada birikim yapar, toksiktir (Örn: PVC, Teflon)
+    halogens = [atom.GetSymbol() for atom in mol.GetAtoms() if atom.GetSymbol() in ['F', 'Cl', 'Br']]
+    if halogens:
+        count = len(halogens)
+        penalty = min(4.0, count * 1.0) # En fazla 4 puan kır
+        score -= penalty
+        notes.append(f"{count} adet Halojen atomu (Kalıcılık/Toksisite riski)")
+        
+    # Aromatik Halkalar: Bakterilerin parçalaması zordur
+    aromatic_atoms = [atom for atom in mol.GetAtoms() if atom.GetIsAromatic()]
+    if len(aromatic_atoms) > 4: # Çok fazla halka varsa
+        score -= 2.0
+        notes.append("Yüksek Aromatiklik (Zor parçalanma)")
+
+    # --- 3. SONUÇ SINIRLANDIRMA ---
+    score = max(1.0, min(10.0, score)) # 1-10 arasına sabitle
+    
+    # Renk Kodu Belirle
+    if score >= 7.0: color = "#2ecc71" # Yeşil (İyi)
+    elif score >= 4.0: color = "#f1c40f" # Sarı (Orta)
+    else: color = "#e74c3c" # Kırmızı (Kötü)
+    
+    return score, ", ".join(notes), color
+import plotly.graph_objects as go
+
+def create_radar_chart(preds, targets, active_props, ranges):
+    """
+    Hedeflenen özellikler ile tahmin edilen özellikleri karşılaştıran
+    havalı bir Radar (Spider) Grafiği çizer.
+    """
+    categories = []
+    target_values = []
+    pred_values = []
+    
+    for prop in active_props:
+        if prop in preds and prop in targets:
+            # Başlıkları güzelleştir
+            label = prop
+            if prop == 'ThermalCond': label = 'Iletkenlik'
+            if prop == 'Solubility': label = 'Cozunurluk'
+            
+            categories.append(label)
+            
+            # Değerleri al
+            t_val = targets[prop]
+            p_val = preds[prop]
+            
+            # Normalizasyon (Grafikte düzgün durması için 0-1 arasına çekiyoruz)
+            # Min-Max normalizasyonu
+            min_v = ranges[prop]['min']
+            max_v = ranges[prop]['max']
+            
+            # Sıfıra bölme hatası önlemi
+            if max_v - min_v == 0: denom = 1
+            else: denom = max_v - min_v
+            
+            norm_t = (t_val - min_v) / denom
+            norm_p = (p_val - min_v) / denom
+            
+            # Sınırlandırma (Grafik dışına taşmasın)
+            norm_t = max(0.0, min(1.0, norm_t))
+            norm_p = max(0.0, min(1.0, norm_p))
+            
+            target_values.append(norm_t)
+            pred_values.append(norm_p)
+            
+    # Grafiği kapatmak için ilk değeri sona ekle
+    categories = categories + [categories[0]]
+    target_values = target_values + [target_values[0]]
+    pred_values = pred_values + [pred_values[0]]
+    
+    fig = go.Figure()
+
+    # Hedef Alanı (Mavi Çizgi)
+    fig.add_trace(go.Scatterpolar(
+        r=target_values,
+        theta=categories,
+        fill='toself',
+        name='Hedeflenen',
+        line=dict(color='#3498db', dash='dash')
+    ))
+    
+    # Tahmin Alanı (Kırmızı Dolgu)
+    fig.add_trace(go.Scatterpolar(
+        r=pred_values,
+        theta=categories,
+        fill='toself',
+        name='Uretilen Polimer',
+        line=dict(color='#e74c3c'),
+        opacity=0.7
+    ))
+
+    fig.update_layout(
+        polar=dict(
+            radialaxis=dict(
+                visible=True,
+                range=[0, 1] # Normalize ettiğimiz için 0-1 arası
+            )),
+        showlegend=True,
+        margin=dict(l=40, r=40, t=20, b=20),
+        height=300 # Kompakt boyut
+    )
+    
+    return fig
+# =========================================================================
+# VI. RETROSENTEZ MOTORU (Yeni Eklenen Kısım)
+# =========================================================================
+
+# =========================================================================
+# GÜNCELLENMİŞ RETROSENTEZ MOTORU (Imide Desteği Eklendi)
+# =========================================================================
+
+# =========================================================================
+# GÜNCELLENMİŞ RETROSENTEZ MOTORU v2.0 (Akıllı Varsayılan Eklendi)
+# =========================================================================
+
+# =========================================================================
+# GÜNCELLENMİŞ RETROSENTEZ MOTORU v3.0 (Poliüre & Poliüretan Eklendi)
+# =========================================================================
+
+def decompose_polymer(smiles):
+    """
+    Polimeri parçalar. v3.0: Üre ve Üretan bağlarını da tanır.
+    """
+    clean_smi = smiles.replace('*', '[H]')
+    mol = Chem.MolFromSmiles(clean_smi)
+    if not mol: return None, "Geçersiz Molekül"
+    
+    breakdown_results = []
+    
+    # --- KURAL 1: İMİD (Poliimid) ---
+    imide_pattern = Chem.MolFromSmarts("[CX3](=[OX1])[#7][CX3](=[OX1])")
+    if mol.HasSubstructMatch(imide_pattern):
+        return [{
+            "type": "Poliimid Sentezi",
+            "reaction": "Siklo-dehidrasyon",
+            "monomers": ["Dianhidrit", "Diamin"],
+            "mechanism": "Dianhidrit + Diamin -> Poliimid"
+        }]
+
+    # --- KURAL 2: ÜRE (Polyurea) --- [YENİ]
+    # R-NH-C(=O)-NH-R' -> R-N=C=O (İzosiyanat) + H2N-R' (Amin)
+    urea_pattern = Chem.MolFromSmarts("[N;!R][C;!R](=[O])[N;!R]")
+    if mol.HasSubstructMatch(urea_pattern):
+        breakdown_results.append({
+            "type": "Poliüre (Polyurea) Sentezi",
+            "reaction": "Basamaklı Polimerizasyon (Hızlı)",
+            "monomers": ["Diizosiyanat (Diisocyanate)", "Diamin (Diamine)"],
+            "mechanism": "İzosiyanat + Amin -> Üre Bağı (Yan ürün yok)"
+        })
+
+    # --- KURAL 3: ÜRETAN (Polyurethane) --- [YENİ]
+    # R-NH-C(=O)-O-R' -> R-N=C=O (İzosiyanat) + HO-R' (Alkol/Polyol)
+    urethane_pattern = Chem.MolFromSmarts("[N;!R][C;!R](=[O])[O;!R]")
+    if mol.HasSubstructMatch(urethane_pattern):
+        breakdown_results.append({
+            "type": "Poliüretan (PU) Sentezi",
+            "reaction": "Poliladisyon",
+            "monomers": ["Diizosiyanat (Örn: TDI, MDI)", "Diol / Polyol"],
+            "mechanism": "İzosiyanat + Alkol -> Üretan Bağı"
+        })
+
+    # --- KURAL 4: ESTER (Polyester) ---
+    ester_pattern = Chem.MolFromSmarts("[C;!R](=[O])[O;!R]") 
+    if mol.HasSubstructMatch(ester_pattern) and not breakdown_results: # Üretan değilse bak
+        breakdown_results.append({
+            "type": "Polyester Sentezi",
+            "reaction": "Kademeli Polimerizasyon",
+            "monomers": ["Dikarboksilik Asit", "Diol"],
+            "mechanism": "Asit + Alkol -> Ester + Su"
+        })
+
+    # --- KURAL 5: AMİD (Nylon) ---
+    amide_pattern = Chem.MolFromSmarts("[C;!R](=[O])[N;!R]")
+    if mol.HasSubstructMatch(amide_pattern) and not breakdown_results: # Üre değilse bak
+         breakdown_results.append({
+            "type": "Poliamid (Nylon) Sentezi",
+            "reaction": "Polikondenzasyon",
+            "monomers": ["Dikarboksilik Asit", "Diamin"],
+            "mechanism": "Asit + Amin -> Amid + Su"
+        })
+
+    # --- VARSAYILAN ---
+    if not breakdown_results:
+        # Akıllı kontrol: Azot/Oksijen var mı?
+        has_hetero = any(atom.GetSymbol() in ['N', 'O', 'S'] for atom in mol.GetAtoms())
+        if has_hetero and "C=C" not in smiles:
+             breakdown_results.append({
+                "type": "Kompleks Kondenzasyon Polimeri",
+                "reaction": "Özel Sentez (AI Analizi Önerilir)",
+                "monomers": ["Fonksiyonel Grup A", "Fonksiyonel Grup B"],
+                "mechanism": "Uç grupların reaksiyonu"
+            })
+        else:
+            breakdown_results.append({
+                "type": "Vinil Polimerizasyonu (Katılma)",
+                "reaction": "Radikalik",
+                "monomers": [smiles.replace('*', '')],
+                "mechanism": "Çift bağ açılması"
+            })
+            
+    return breakdown_results
+def draw_retrosynthesis_grid(monomer_smiles_list):
+    """Monomerlerin listesini alır ve yan yana çizer."""
+    mols = [Chem.MolFromSmiles(s) for s in monomer_smiles_list]
+    mols = [m for m in mols if m is not None] # Hatalıları temizle
+    if not mols: return None
+    
+    img = Draw.MolsToGridImage(
+        mols, 
+        molsPerRow=min(len(mols), 3), 
+        subImgSize=(200, 200),
+        legends=[f"Monomer {i+1}" for i in range(len(mols))]
+    )
+    return img
+
+def get_ai_retrosynthesis_guide(api_key, polymer_smiles, monomer_info):
+    """Gemini'den detaylı sentez rotası ister."""
+    if not api_key: return "⚠️ Detaylı sentez planı için API Key gerekli."
+    
+    try:
+        genai.configure(api_key=api_key)
+        model = genai.GenerativeModel('gemini-2.5-flash')
+        
+        prompt = f"""
+        Sen uzman bir Sentetik Polimer Kimyagerisin.
+        Aşağıdaki polimer için endüstriyel veya laboratuvar ölçekli bir RETROSENTEZ (geriye dönük sentez) planı hazırla.
+        
+        Hedef Polimer (SMILES): {polymer_smiles}
+        Algarlanan Olası Yöntem: {monomer_info}
+        
+        Lütfen şu formatta yanıtla:
+        1. **Önerilen Monomerler:** Bu yapıyı oluşturmak için hangi ticari kimyasallar (IUPAC isimleri) gerekir?
+        2. **Sentez Yöntemi:** Hangi reaksiyon türü uygundur? (Örn: Radikalik, Kondenzasyon, ROMP?)
+        3. **Kritik Koşullar:** Sıcaklık, basınç veya spesifik katalizör (AIBN, Ziegler-Natta, H2SO4 vb.) önerisi.
+        4. **Zorluk Analizi:** Bu sentezin pratik zorlukları nelerdir?
+        
+        Kısa, net ve bilimsel olsun.
+        """
+        with st.spinner('AI Sentez Rotasını Hesaplıyor...'):
+            response = model.generate_content(prompt)
+            return response.text
+    except Exception as e:
+        return f"Hata: {str(e)}"
+from fpdf import FPDF
+import tempfile
+
+class PDFReport(FPDF):
+    def header(self):
+        self.set_font('Arial', 'B', 15)
+        self.cell(0, 10, 'PolimerX - Ar-Ge Proje Raporu', 0, 1, 'C')
+        self.ln(5)
+
+    def footer(self):
+        self.set_y(-15)
+        self.set_font('Arial', 'I', 8)
+        self.cell(0, 10, f'Sayfa {self.page_no()}', 0, 0, 'C')
+
+def clean_text(text):
+    """FPDF için Türkçe karakterleri ASCII'ye çevirir (Hızlı çözüm)"""
+    replacements = {
+        'ğ': 'g', 'Ğ': 'G', 'ü': 'u', 'Ü': 'U', 'ş': 's', 'Ş': 'S',
+        'ı': 'i', 'İ': 'I', 'ö': 'o', 'Ö': 'O', 'ç': 'c', 'Ç': 'C'
+    }
+    for search, replace in replacements.items():
+        text = text.replace(search, replace)
+    return text.encode('latin-1', 'replace').decode('latin-1')
+
+def create_pdf_report(poly_data, targets, active_props, ai_analysis_text, retro_info):
+    pdf = PDFReport()
+    pdf.add_page()
+    pdf.set_font("Arial", size=12)
+    
+    # 1. Başlık Bilgileri
+    pdf.set_font("Arial", 'B', 14)
+    pdf.cell(0, 10, clean_text("1. Polimer Özellik Tablosu"), 0, 1)
+    pdf.set_font("Arial", size=10)
+    
+    # Tablo Başlığı
+    pdf.set_fill_color(200, 220, 255)
+    pdf.cell(60, 8, "Ozellik", 1, 0, 'C', 1)
+    pdf.cell(60, 8, "Hedef", 1, 0, 'C', 1)
+    pdf.cell(60, 8, "Tahmin Degeri", 1, 1, 'C', 1)
+    
+    # --- GÜNCELLEME: Tüm tahminleri döngüye al ---
+    all_preds = poly_data['preds']
+    
+    for prop, val in all_preds.items():
+        # Hedeflenen değer var mı kontrol et
+        if prop in active_props:
+            target_val = str(targets.get(prop, '-'))
+            # Hedeflenenleri kalın (bold) veya işaretli gösterebiliriz ama
+            # şimdilik standart formatta yazıyoruz.
+        else:
+            target_val = "-" # Hedef belirtilmedi
+            
+        pred_val = f"{val:.2f}"
+        
+        # Satırı yaz
+        pdf.cell(60, 8, clean_text(prop), 1)
+        pdf.cell(60, 8, target_val, 1)
+        pdf.cell(60, 8, pred_val, 1, 1)
+    
+    pdf.ln(10)
+    
+    # 2. Molekül Görseli
+    pdf.set_font("Arial", 'B', 14)
+    pdf.cell(0, 10, clean_text("2. Molekuler Yapi"), 0, 1)
+    
+    # SMILES
+    pdf.set_font("Courier", size=8)
+    pdf.multi_cell(0, 5, poly_data['smiles'])
+    pdf.ln(5)
+    
+    # Görseli ekle
+    mol_img = draw_2d_molecule(poly_data['smiles'])
+    if mol_img:
+        with tempfile.NamedTemporaryFile(delete=False, suffix=".png") as tmp_file:
+            mol_img.save(tmp_file.name)
+            pdf.image(tmp_file.name, x=60, w=90)
+    
+    pdf.ln(10)
+    
+    # 3. Retrosentez Bilgisi
+    pdf.set_font("Arial", 'B', 14)
+    pdf.cell(0, 10, clean_text("3. Uretim Plani (Retrosentez)"), 0, 1)
+    pdf.set_font("Arial", size=10)
+    
+    if not retro_info or len(retro_info) < 5:
+        pdf.multi_cell(0, 6, clean_text("Retrosentez analizi yapilmadi veya veri yok."))
+    else:
+        clean_retro = clean_text(str(retro_info))
+        pdf.multi_cell(0, 6, clean_retro)
+    
+    pdf.ln(10)
+    
+    # 4. AI Yorumu
+    pdf.set_font("Arial", 'B', 14)
+    pdf.cell(0, 10, clean_text("4. Yapay Zeka Uzman Görüşü"), 0, 1)
+    pdf.set_font("Arial", size=10)
+    
+    if not ai_analysis_text or len(ai_analysis_text) < 5:
+        pdf.multi_cell(0, 6, clean_text("AI analizi talep edilmedi."))
+    else:
+        clean_ai = clean_text(ai_analysis_text).replace('**', '').replace('#', '')
+        pdf.multi_cell(0, 6, clean_ai)
+    
+    return pdf.output(dest='S').encode('latin-1')
+from rdkit import DataStructs
+
+@st.cache_data
+def get_reference_fingerprints(smiles_list):
+    """
+    Referans veri setindeki tüm SMILES'ların parmak izlerini önceden hesaplar ve önbelleğe alır.
+    Bu işlem sadece bir kez yapılır, böylece uygulama hızlanır.
+    """
+    fps = []
+    names = [] # Varsa isimleri, yoksa SMILES'ın kendisi
+    
+    for i, smi in enumerate(smiles_list):
+        try:
+            mol = Chem.MolFromSmiles(str(smi).replace('*', '[H]'))
+            if mol:
+                fp = AllChem.GetMorganFingerprintAsBitVect(mol, 3, 2048)
+                fps.append(fp)
+                names.append(f"Veri Seti Kaydı #{i+1}") # Veya smi
+        except:
+            continue
+    return fps, names
+
+def calculate_novelty_optimized(generated_smiles, ref_smiles_list):
+    """
+    Toplu Tanimoto benzerliği hesaplar (Çok hızlıdır).
+    """
+    # 1. Üretilen molekülün parmak izi
+    gen_mol = Chem.MolFromSmiles(generated_smiles.replace('*', '[H]'))
+    if not gen_mol: return 0.0, "Hesaplanamadı"
+    gen_fp = AllChem.GetMorganFingerprintAsBitVect(gen_mol, 3, 2048)
+    
+    # 2. Referans parmak izlerini önbellekten çek
+    ref_fps, ref_names = get_reference_fingerprints(ref_smiles_list)
+    
+    if not ref_fps: return 0.0, "Veri Seti Boş"
+    
+    # 3. RDKit'in Toplu (Bulk) Karşılaştırma Fonksiyonu
+    # Bu döngüden 100 kat daha hızlıdır.
+    sims = DataStructs.BulkTanimotoSimilarity(gen_fp, ref_fps)
+    
+    # 4. En yüksek benzerliği bul
+    max_sim = max(sims)
+    max_idx = sims.index(max_sim)
+    most_similar_name = ref_names[max_idx]
+    
+    # Eşleşen SMILES'ı döndürmek daha bilgilendirici olabilir
+    most_similar_smiles = ref_smiles_list[max_idx] if max_idx < len(ref_smiles_list) else "Bilinmiyor"
+    
+    return max_sim, most_similar_smiles
+# =========================================================================
+# IV. STREAMLIT ANA KISIM
+# =========================================================================
+
+# st.title("...") yerine:
+
+st.markdown('<h1 class="main-title">🧬 PolimerX <br><span style="font-size:1.5rem; color:#666; font-weight:400;">Yapay Zeka Destekli Materyal Keşfi</span></h1>', unsafe_allow_html=True)
+
+models = load_critic_models()
+ALL_PROPS = list(models.keys()) # Yüklenen modellerin anahtarları: ['Tg', 'Td', 'EPS']
+
+# --- Yardımcı: Senkron Slider + Number input ---
+def add_synced_input(prop_key, label, min_val, max_val, default, step, is_int=False):
+    """Sidebar üzerinde bir slider ve number_input oluşturur; ikisini session_state üzerinden senkronlar.
+    Döndürülen değer her zaman current value (float/int) olur.
+    """
+    s_key = f"{prop_key}_val"
+    slider_key = f"{prop_key}_slider"
+    num_key = f"{prop_key}_num"
+
+    # Başlangıç değeri session_state'e konur
+    if s_key not in st.session_state:
+        st.session_state[s_key] = default
+    if slider_key not in st.session_state:
+        st.session_state[slider_key] = st.session_state[s_key]
+    if num_key not in st.session_state:
+        st.session_state[num_key] = st.session_state[s_key]
+
+    def _on_slider_change():
+        # slider değiştiğinde number_input değerini güncelle
+        try:
+            st.session_state[num_key] = st.session_state[slider_key]
+            st.session_state[s_key] = st.session_state[slider_key]
+        except Exception:
+            pass
+
+    def _on_num_change():
+        # number_input değiştiğinde slider'ı güncelle
+        try:
+            st.session_state[slider_key] = st.session_state[num_key]
+            st.session_state[s_key] = st.session_state[num_key]
+        except Exception:
+            pass
+
+    # Slider (min/max tipi int/float ile uyumlu olmalı)
+    if is_int:
+        st.sidebar.slider(label + " (slider)", min_value=int(min_val), max_value=int(max_val), step=int(step), key=slider_key, on_change=_on_slider_change)
+        st.sidebar.number_input(label + " (value)", min_value=int(min_val), max_value=int(max_val), step=int(step), key=num_key, on_change=_on_num_change)
+    else:
+        st.sidebar.slider(label + " (slider)", min_value=float(min_val), max_value=float(max_val), step=float(step), key=slider_key, on_change=_on_slider_change)
+        st.sidebar.number_input(label + " (value)", min_value=float(min_val), max_value=float(max_val), step=float(step), format="%.4f", key=num_key, on_change=_on_num_change)
+
+    return st.session_state[s_key]
+
+if models:
+    st.sidebar.header("⚙️ Hedef Seçimi")
+    
+    # 1. Optimizasyona Dahil Edilecek Özelliklerin Seçimi
+    active_props = []
+    
+    st.sidebar.markdown("### Dahil Edilecek Özellikler")
+    # Her özellik için onay kutusu oluştur
+    if st.sidebar.checkbox("Tg (Camsı Geçiş Sıcaklığı)", value=True):
+        active_props.append('Tg')
+    if st.sidebar.checkbox("Td (Bozunma Sıcaklığı)"):
+        active_props.append('Td')
+    if st.sidebar.checkbox("EPS (Dielektrik Sabiti)"):
+        active_props.append('EPS')
+    if st.sidebar.checkbox("Tm (Erime Sıcaklığı)"):
+        active_props.append('Tm')
+    if st.sidebar.checkbox("Bandgap Bulk (Elektriksel Band Aralığı - Bulk)"):
+        active_props.append('BandgapBulk')
+    if st.sidebar.checkbox("Bandgap Chain (Elektriksel Band Aralığı - Zincir)"):
+        active_props.append('BandgapChain')
+    if st.sidebar.checkbox("Bandgap Crystal (Elektriksel Band Aralığı - Kristal)"):
+        active_props.append('BandgapCrystal')
+    if st.sidebar.checkbox("Gas Permeability (Gaz Geçirgenliği)"):
+        active_props.append('GasPerma')
+    if st.sidebar.checkbox("Refractive Index (Kırılma İndeksi)"):
+        active_props.append('Refractive')
+    
+    if st.sidebar.checkbox("LOI (Yanıcılık İndeksi)"): 
+        active_props.append('LOI')
+        
+    if st.sidebar.checkbox("Çözünürlük (Hildebrand)"): 
+        active_props.append('Solubility')
+        
+    if st.sidebar.checkbox("Isıl İletkenlik (Thermal Cond.)"): 
+        active_props.append('ThermalCond')
+        
+    if st.sidebar.checkbox("Isıl Genleşme (CTE)"): 
+        active_props.append('CTE')
+     # En az bir hedef seçilmemişse uyarı ver
+        
+    if not active_props:
+        st.sidebar.warning("Lütfen optimize edilecek en az bir hedef seçin.")
+        st.stop()
+
+    # 2. Hedef Değerler (Sadece seçilenler için giriş alanı göster)
+    st.sidebar.markdown("### Hedef Değerler")
+    targets = {}
+
+    # Önerilen aralıklar (kullanıcının onayladığı değerler)
+    # Sıcaklıklar (°C)
+    ranges = {
+        'Tg': {'min': -150.0, 'max': 300.0, 'default': 200.0, 'step': 1.0, 'is_int': False},
+        'Td': {'min': 150.0, 'max': 600.0, 'default': 350.0, 'step': 1.0, 'is_int': False},
+        'Tm': {'min': 50.0, 'max': 450.0, 'default': 250.0, 'step': 1.0, 'is_int': False},
+        # Diğer özellikler
+        'EPS': {'min': 1.5, 'max': 12.0, 'default': 2.5, 'step': 0.1, 'is_int': False},
+        'BandgapBulk': {'min': 0.5, 'max': 6.0, 'default': 2.5, 'step': 0.01, 'is_int': False},
+        'BandgapChain': {'min': 0.5, 'max': 6.0, 'default': 2.5, 'step': 0.01, 'is_int': False},
+        'BandgapCrystal': {'min': 0.5, 'max': 7.0, 'default': 2.5, 'step': 0.01, 'is_int': False},
+        'GasPerma': {'min': 0.0, 'max': 1000.0, 'default': 2.5, 'step': 0.1, 'is_int': False},
+        'Refractive': {'min': 1.2, 'max': 2.0, 'default': 1.5, 'step': 0.01, 'is_int': False},
+
+        'LOI': {'min': 15.0, 'max': 100.0, 'default': 28.0, 'step': 0.5, 'is_int': False},
+        
+        # Çözünürlük (Hildebrand): 7-10 arası apolar çözücüler, 12+ polar
+        'Solubility': {'min': 5.0, 'max': 20.0, 'default': 9.5, 'step': 0.1, 'is_int': False},
+        
+        # Isıl İletkenlik: Polimerler genelde 0.1-0.5 arasıdır (yalıtkan)
+        'ThermalCond': {'min': 0.0, 'max': 1.0, 'default': 0.2, 'step': 0.01, 'is_int': False},
+        
+        # CTE (Genleşme): Düşük olması (boyutsal kararlılık) istenir.
+        'CTE': {'min': 0.0, 'max': 300.0, 'default': 60.0, 'step': 5.0, 'is_int': False}
+    }
+
+    # Her seçili özellik için senkron slider + number_input ekle
+    for prop in active_props:
+        if prop in ranges:
+            r = ranges[prop]
+            label = prop
+            # Kullanıcıya daha dostça etiket gösterimi
+            if prop == 'Tg': label = 'Hedef Tg (°C)'
+            elif prop == 'Td': label = 'Hedef Td (°C)'
+            elif prop == 'Tm': label = 'Hedef Tm (°C)'
+            elif prop == 'EPS': label = 'Hedef EPS'
+            elif prop == 'BandgapBulk': label = 'Hedef BandgapBulk (eV)'
+            elif prop == 'BandgapChain': label = 'Hedef BandgapChain (eV)'
+            elif prop == 'BandgapCrystal': label = 'Hedef BandgapCrystal (eV)'
+            elif prop == 'GasPerma': label = 'Hedef GasPerma'
+            elif prop == 'Refractive': label = 'Hedef Refractive Index'
+
+            val = add_synced_input(prop, label, r['min'], r['max'], r['default'], r['step'], is_int=r['is_int'])
+            targets[prop] = val
+        else:
+            # Eğer ranges sözlüğünde yoksa varsayılan number_input (güncelleme kolaylığı için)
+            targets[prop] = st.sidebar.number_input(f"Hedef {prop}:", value=0.0)
+
+    # 3. GA Parametreleri
+    generations = st.sidebar.slider("Evrim Nesli Sayısı", 10, 300, 10)
+
+    # Başlangıç popülasyonu (Gerçek verinizi buraya koyun)
+    initial_selfies, reference_smiles = get_initial_population()
+    # Sidebar'ın en altına ekleyebilirsiniz
+    st.sidebar.divider()
+    st.sidebar.markdown("### 🤖 AI Asistan Ayarları")
+    api_key = st.sidebar.text_input("Google Gemini API Key", type="password", help="AI yorumu almak için https://aistudio.google.com/app/apikey adresinden ücretsiz anahtar alabilirsiniz.")
+    # --- BUTON VE HESAPLAMA KISMI ---
+    if st.sidebar.button("🚀 Hedefi Ara", type="primary"):
+        
+        if not initial_selfies:
+            st.error("Başlangıç popülasyonu boş veya geçersiz.")
+            st.stop()
+            
+        with st.spinner(f'Genetik Algoritma Çalışıyor... Hedefler: {", ".join(active_props)}'):
+            # Hesaplama yapılıyor
+            best_poly_data, history = run_single_objective_flow(models, generations, targets, active_props, initial_selfies, ranges)
+
+        # SONUÇLARI HAFIZAYA (SESSION STATE) KAYDET
+        if best_poly_data:
+            st.session_state['ga_results'] = best_poly_data
+            st.session_state['ga_history'] = history
+            st.session_state['ga_targets'] = targets # O anki hedefleri de sakla
+            st.session_state['ga_active_props'] = active_props # O anki aktif özellikleri de sakla
+            
+    # --- SONUÇLARI GÖSTERME KISMI (BUTON BLOĞUNUN DIŞINDA) ---
+    
+    # Hafızada sonuç varsa ekrana bas (Sayfa yenilense de burası çalışır)
+    if 'ga_results' in st.session_state:
+        
+        # Verileri hafızadan geri çağır
+        best_poly_data = st.session_state['ga_results']
+        history = st.session_state['ga_history']
+        saved_targets = st.session_state['ga_targets']
+        saved_active_props = st.session_state['ga_active_props']
+        
+        preds = best_poly_data['preds']
+        
+        st.success("✅ Optimizasyon Başarıyla Tamamlandı! (Sonuçlar Hafızada)")
+        
+        # 4 SEKME YAPISI
+        tab1, tab2, tab3, tab4, tab5, tab6 = st.tabs(["📊 Genel Bakış", "🧬 Yapısal Analiz", "📈 Evrim Geçmişi", "💾 Raporlama", "🤖 AI Analizi", "🧪 Retrosentez"])
+        # --- TAB 1: ÖZET ---
+        with tab1:
+            col_main, col_score, col_green = st.columns([2, 1, 1])
+            
+            with col_main:
+                st.markdown(f"### 🏆 Toplam Hata: **{best_poly_data['total_error']:.4f}**")
+                
+            with col_score:
+                sa = get_sa_score_local(best_poly_data['smiles'])
+                st.metric("Sentez Zorluğu (SA)", f"{sa:.2f}", help="1 (Kolay) - 10 (Zor)")
+                
+            with col_green:
+                # Yeni Yeşil Kimya Skorunu Hesapla
+                g_score, g_note, g_color = calculate_green_score(best_poly_data['smiles'])
+                
+                # Özel renkli metrik gösterimi (HTML ile)
+                st.markdown(f"""
+                <div style="background-color:{g_color}20; border: 1px solid {g_color}; border-radius: 5px; padding: 5px; text-align: center;">
+                    <strong style="color:{g_color}; font-size: 0.8rem;">🌱 Yeşil Skor</strong><br>
+                    <span style="font-size: 1.5rem; font-weight: bold; color:{g_color};">{g_score:.1f}/10</span>
+                </div>
+                """, unsafe_allow_html=True)
+            
+            # Notları altına küçük yazıyla ekle
+            if g_note:
+                st.caption(f"**Çevresel Analiz:** {g_note}")
+
+            st.divider()
+            if 'Solubility' in preds:
+                sol_val = preds['Solubility']
+                solvents, partials = get_soluble_solvents(sol_val)
+                
+                st.markdown("### 🧪 Tahmini Çözünürlük Analizi")
+                c1, c2 = st.columns(2)
+                
+                with c1:
+                    st.info(f"**Çözünmesi Beklenenler:**")
+                    if solvents:
+                        # Yeşil etiketlerle göster
+                        for s in solvents:
+                            st.markdown(f"- ✅ {s}")
+                    else:
+                        st.warning("Bu polimer çok dirençli görünüyor (veya çok özel bir çözücü gerektiriyor).")
+                
+                with c2:
+                    st.warning(f"**Şişme / Zor Çözünme Beklenenler:**")
+                    if partials:
+                        for s in partials:
+                            st.markdown(f"- ⚠️ {s}")
+                    else:
+                        st.write("-")
+                
+                st.caption(f"*Analiz, 'Benzer Benzeri Çözer' ilkesine göre Polimer (δ={sol_val:.1f}) ve Çözücü arasındaki Hildebrand farkına dayanır.*")
+            cols = st.columns(3)
+            for idx, prop in enumerate(ALL_PROPS):
+                with cols[idx % 3]:
+                    is_active = prop in saved_active_props
+                    target_val = saved_targets.get(prop, '-')
+                    target_text = f"Hedef: {target_val}" if is_active else "Takip Dışı"
+                    border_color = "#2ecc71" if is_active else "#95a5a6"
+                    pred_value = preds[prop]
+                    
+                    st.markdown(f"""
+                    <div class="metric-card" style="border-left: 5px solid {border_color};">
+                        <small>{prop}</small><br>
+                        <h3 style="margin:0; padding:0;">{pred_value:.2f}</h3>
+                        <small style="opacity:0.7">{target_text}</small>
+                    </div>
+                    """, unsafe_allow_html=True)
+            st.divider()
+            st.subheader("🎯 Hedef Uyumluluk Analizi")
+            if len(saved_active_props) >= 3:
+                    fig = create_radar_chart(preds, saved_targets, saved_active_props, ranges)
+                    st.plotly_chart(fig, use_container_width=True)
+            else:
+                    st.info("Radar grafiği için en az 3 özellik (Örn: Tg, LOI, CTE) seçmelisiniz.")
+                    # Az özellik varsa bar chart gösterelim
+                    st.progress(100) # Görsel dolgu
+        # --- TAB 2: GÖRSELLİK ---
+        with tab2:
+            col_2d, col_3d = st.columns(2)
+            with col_2d:
+                st.subheader("2D Yapı (Teknik Çizim)")
+                img = draw_2d_molecule(best_poly_data['smiles'])
+                if img:
+                    st.image(img, width=400)
+                st.caption("SMILES Kodu:")
+                st.code(best_poly_data['smiles'], language="text")
+
+            with col_3d:
+                st.subheader("3D Konformasyon")
+                view, reason = make_3d_view_with_reason(best_poly_data["smiles"])
+                if view:
+                    showmol(view, height=400, width=400)
+                else:
+                    st.warning(f"3D Model oluşturulamadı: {reason}")
+            
+            is_avail, cid, name = check_pubchem_availability(best_poly_data['smiles'])
+            if is_avail:
+                 st.info(f"💡 Bu molekül PubChem'de kayıtlı: **{name}** (CID: {cid})")
+            st.divider()
+            # --- YENİ: ÖZGÜNLÜK / NOVELTY ANALİZİ ---
+            st.subheader("🔍 Özgünlük Analizi (Novelty Search)")
+            
+            # reference_smiles değişkenini get_initial_population'dan almıştık
+            similarity_score, similar_smi = calculate_novelty_optimized(best_poly_data['smiles'], reference_smiles)
+            
+            c1, c2 = st.columns([1, 3])
+            
+            with c1:
+                # Benzerlik Skoru
+                st.metric("Eğitim Setine Benzerlik", f"%{similarity_score*100:.1f}")
+                
+            with c2:
+                # Yorum
+                if similarity_score > 0.99:
+                    st.error(f"⚠️ **Kopya:** Yapay zeka eğitim setindeki bir veriyi ezberlemiş.")
+                    st.code(f"Benzer Kayıt: {similar_smi}")
+                elif similarity_score > 0.85:
+                    st.warning(f"ℹ️ **Türev:** Eğitim setindeki bir yapıya çok benziyor.")
+                    with st.expander("Benzer Yapıyı Gör"):
+                        st.code(similar_smi)
+                else:
+                    st.success(f"🌟 **KEŞİF:** Bu yapı eğitim setinde YOK! Tamamen özgün bir tasarım.")
+                    st.caption(f"En yakın benzerlik sadece %{similarity_score*100:.1f} oranında.")
+            
+            st.progress(similarity_score)
+            st.caption("*Benzerlik, Tanimoto İndeksi (Morgan Fingerprints) kullanılarak hesaplanmıştır.*")
+
+        # --- TAB 3: GRAFİK ---
+        # --- TAB 3: PERFORMANS ANALİZİ ---
+        with tab3:
+            st.subheader("📈 Genetik Algoritma Performans Raporu")
+            
+            if 'best_fitness' in history and len(history['best_fitness']) > 0:
+                # Matplotlib ile Profesyonel Çizim
+                fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(10, 8))
+                
+                # X Ekseni
+                gens = range(len(history['best_fitness']))
+                
+                # Grafik 1: Yakınsama (Convergence)
+                ax1.plot(gens, history['best_fitness'], label='En İyi Birey (Best)', color='green', linewidth=2)
+                ax1.plot(gens, history['avg_fitness'], label='Popülasyon Ortalaması (Avg)', color='blue', linestyle='--', alpha=0.7)
+                ax1.set_ylabel('Hata Skoru')
+                ax1.set_title('Yakınsama Analizi (Convergence)', fontweight='bold')
+                ax1.legend()
+                ax1.grid(True, which='both', linestyle='--', alpha=0.5)
+                
+                # Grafik 2: Çeşitlilik (Diversity)
+                ax2.plot(gens, history['diversity'], label='Standart Sapma (Diversity)', color='red', linewidth=2)
+                ax2.fill_between(gens, history['diversity'], color='red', alpha=0.1)
+                ax2.set_ylabel('Çeşitlilik (Std Dev)')
+                ax2.set_xlabel('Jenerasyon')
+                ax2.set_title('Popülasyon Çeşitliliği (Diversity)', fontweight='bold')
+                ax2.legend()
+                ax2.grid(True, which='both', linestyle='--', alpha=0.5)
+                
+                plt.tight_layout()
+                st.pyplot(fig)
+                
+                # Yorumlama Kılavuzu
+                st.info("""
+                **Bu Grafikler Nasıl Okunur?**
+                * **Yakınsama (Üst):** Yeşil çizgi sürekli düşmeli ve bir noktada yataylaşmalıdır (Plateau). Mavi çizgi yeşile çok yaklaşırsa popülasyon "öğrenmiş" demektir.
+                * **Çeşitlilik (Alt):** Kırmızı çizginin sıfıra çok hızlı düşmemesi gerekir. Sıfıra düşerse model "Erken Yakınsama (Premature Convergence)" tuzağına düşmüştür; yani arama uzayını yeterince taramadan bir sonuca saplanmıştır.
+                """)
+            else:
+                st.warning("Henüz grafik çizilecek veri yok.")
+            # --- TAB 3: BENCHMARK VE PERFORMANS ---
+        with tab3:
+            st.header("🏆 Performans Kıyaslama (Benchmark)")
+            st.markdown("Modelin başarısını kanıtlamak için onu 'Rastgele Arama' ile yarıştırın.")
+            
+            # Eğer GA sonuçları varsa
+            if 'ga_history' in st.session_state and 'best_fitness' in st.session_state['ga_history']:
+                history = st.session_state['ga_history']
+                ga_best_curve = history['best_fitness']
+                
+                # Benchmark Butonu
+                if st.button("🏁 Rastgele Arama ile Kıyasla (Benchmark Başlat)"):
+                    with st.spinner("Rastgele Arama yapılıyor... Bu işlem GA kadar sürebilir."):
+                        # GA'nın toplam bütçesini hesapla (Jenerasyon x 100 birey)
+                        generations_run = len(ga_best_curve)
+                        pop_size = 100 # Kodunuzda sabit 100'dü
+                        total_evals = generations_run * pop_size
+                        
+                        # Benchmark'ı çalıştır
+                        random_curve = run_random_benchmark(
+                            models, saved_targets, saved_active_props, 
+                            initial_selfies, ranges, 
+                            total_budget=total_evals, 
+                            batch_size=pop_size
+                        )
+                        
+                        # Sonucu Session State'e kaydet (Sayfa yenilenince gitmesin)
+                        st.session_state['random_curve'] = random_curve
+                        st.success("Benchmark Tamamlandı!")
+
+                # --- GRAFİK ÇİZİMİ ---
+                fig, ax = plt.subplots(figsize=(10, 6))
+                
+                # 1. GA Çizgisi (Yeşil)
+                ax.plot(ga_best_curve, label='Genetik Algoritma (Sizin Modeliniz)', color='green', linewidth=2.5)
+                
+                # 2. Random Search Çizgisi (Gri/Siyah) - Varsa çiz
+                if 'random_curve' in st.session_state:
+                    # Uzunlukları eşitle (Bazen 1 eksik/fazla olabilir)
+                    min_len = min(len(ga_best_curve), len(st.session_state['random_curve']))
+                    r_curve = st.session_state['random_curve'][:min_len]
+                    g_curve = ga_best_curve[:min_len]
+                    
+                    ax.plot(r_curve, label='Rastgele Arama (Random Search)', color='gray', linestyle='--', linewidth=2)
+                    
+                    # Farkı hesapla (Son jenerasyon)
+                    diff = r_curve[-1] - g_curve[-1]
+                    st.caption(f"**Sonuç:** GA modeliniz, rastgele aramadan **{diff:.2f} puan** daha iyi performans gösterdi.")
+                
+                ax.set_title("Zeka Testi: GA vs Şans", fontweight='bold')
+                ax.set_xlabel("Jenerasyon (Her adımda 100 yeni deneme)")
+                ax.set_ylabel("Hata Skoru (Düşük İyidir)")
+                ax.legend()
+                ax.grid(True, linestyle='--', alpha=0.5)
+                
+                st.pyplot(fig)
+                
+                st.info("""
+                **Grafik Nasıl Yorumlanır?**
+                * **Yeşil Çizgi:** Hızlıca aşağı iniyorsa, modeliniz 'öğreniyor' demektir.
+                * **Gri Çizgi:** Genelde daha yukarıda ve düz kalır.
+                * **Fark:** İki çizgi arasındaki boşluk, Yapay Zekanızın kattığı değerdir.
+                """)
+                
+            else:
+                st.warning("Önce 'Hedefi Ara' butonuna basarak GA'yı çalıştırın, sonra kıyaslama yapabilirsiniz.")
+            st.divider()
+            st.header("🎲 Büyük Stres Testi (Mass Random Testing)")
+            st.markdown("""
+            Modelin **genelleştirme yeteneğini** ölçmek için rastgele hedeflerle çoklu deneme yapın.
+            * Her denemede farklı özellikler ve farklı hedef değerler seçilir.
+            * Modelin "kolay" ve "zor" hedeflere tepkisi ölçülür.
+            """)
+            
+            col_mass_input, col_mass_btn = st.columns([1, 2])
+            with col_mass_input:
+                mass_trials = st.number_input("Test Sayısı", min_value=10, max_value=500, value=100, step=10)
+            
+            if col_mass_btn.button("🔥 100+ Rastgele Testi Başlat"):
+                with st.spinner("Model zorlu bir sınava giriyor... Kahvenizi alın, bu biraz sürebilir."):
+                    df_results = run_mass_random_test(models, generations, initial_selfies, ranges, num_trials=mass_trials)
+                    
+                    # --- SONUÇ ANALİZİ ---
+                    st.subheader("📊 Test Sonuçları")
+                    
+                    # 1. Özet Metrikler
+                    avg_error = df_results["Final Hata Skoru"].mean()
+                    success_count = df_results[df_results["Final Hata Skoru"] < 5.0].shape[0]
+                    success_rate = (success_count / mass_trials) * 100
+                    
+                    m1, m2, m3 = st.columns(3)
+                    m1.metric("Ortalama Hata", f"{avg_error:.2f}")
+                    m2.metric("Başarı Oranı (Hata < 5.0)", f"%{success_rate:.1f}")
+                    m3.metric("En Zorlu Senaryo Hatası", f"{df_results['Final Hata Skoru'].max():.2f}")
+                    
+                    # 2. Histogram (Hata Dağılımı)
+                    fig_hist, ax_hist = plt.subplots(figsize=(10, 5))
+                    ax_hist.hist(df_results["Final Hata Skoru"], bins=20, color='#3498db', edgecolor='black', alpha=0.7)
+                    ax_hist.set_title("Hata Skorlarının Dağılımı (Histogram)")
+                    ax_hist.set_xlabel("Hata Skoru (Sola yığılma iyidir)")
+                    ax_hist.set_ylabel("Deneme Sayısı")
+                    ax_hist.axvline(avg_error, color='red', linestyle='dashed', linewidth=1, label=f'Ortalama: {avg_error:.2f}')
+                    ax_hist.legend()
+                    st.pyplot(fig_hist)
+                    
+                    # 3. Scatter Plot (Zorluk vs Hata)
+                    # Hedef sayısı arttıkça hata artıyor mu?
+                    fig_sc, ax_sc = plt.subplots(figsize=(10, 5))
+                    ax_sc.scatter(df_results["Hedef Sayısı"], df_results["Final Hata Skoru"], alpha=0.6, c=df_results["Final Hata Skoru"], cmap='viridis')
+                    ax_sc.set_title("Hedef Sayısı vs. Başarı")
+                    ax_sc.set_xlabel("Aktif Hedef Sayısı (Zorluk)")
+                    ax_sc.set_ylabel("Hata Skoru")
+                    ax_sc.grid(True, alpha=0.3)
+                    st.pyplot(fig_sc)
+                    
+                    # 4. Detaylı Tablo
+                    with st.expander("📄 Tüm Test Verilerini Gör"):
+                        st.dataframe(df_results)
+
+        # --- TAB 4: İNDİRME ---
+# --- TAB 4: RAPORLAMA ve İNDİRME ---
+        with tab4:
+            st.header("💾 Raporlama Merkezi")
+            st.markdown("Proje verilerini CSV veya detaylı PDF raporu olarak dışa aktarabilirsiniz.")
+            
+            c1, c2 = st.columns(2)
+            
+            # --- CSV İNDİRME KISMI (Mevcut) ---
+            # ... (Buradaki CSV kodlarınız aynen kalabilir) ...
+            export_dict = {
+                "SMILES": best_poly_data['smiles'],
+                "Toplam Hata": best_poly_data['total_error'],
+                "SA Score": get_sa_score_local(best_poly_data['smiles'])
+            }
+            export_dict.update(preds)
+            df_best = pd.DataFrame([export_dict])
+            csv_best = df_best.to_csv(index=False).encode('utf-8')
+
+            with c1:
+                st.download_button(
+                    label="📊 Veri Setini İndir (.csv)",
+                    data=csv_best,
+                    file_name="polimer_data.csv",
+                    mime="text/csv"
+                )
+            
+            st.divider()
+            
+            # --- PDF RAPOR OLUŞTURMA KISMI (Yeni Yeri) ---
+            st.subheader("📄 Kapsamlı PDF Raporu")
+            st.info("Bu rapor; tüm tahminleri, molekül yapısını, AI yorumlarını ve varsa sentez planını içerir.")
+
+            # Verileri Session State'ten Topla
+            
+            # 1. AI Yorumu (Tab 5'ten)
+            gen_ai_analysis = st.session_state.get('ai_analysis', "Genel AI analizi yapilmadi.")
+            
+            # 2. Retrosentez Bilgisi (Tab 6'dan)
+            # Eğer kullanıcı Tab 6'ya hiç gitmediyse, bu veriler eksik olabilir.
+            manual_retro = st.session_state.get('retro_manual_text', "Otomatik ayristirma verisi yok (Retrosentez sekmesini ziyaret edin).")
+            ai_retro = st.session_state.get('ai_retro_text', "AI sentez recetesi olusturulmadi.")
+            
+            full_retro_info = manual_retro + "\n\n--- AI Sentez Notlari ---\n" + ai_retro
+
+            if st.button("🚀 PDF Raporu Oluştur", type="primary", use_container_width=True):
+                with st.spinner("Rapor derleniyor..."):
+                    pdf_data = create_pdf_report(
+                        best_poly_data, 
+                        saved_targets, 
+                        saved_active_props, 
+                        gen_ai_analysis, 
+                        full_retro_info
+                    )
+                    
+                    st.success("Rapor hazır!")
+                    st.download_button(
+                        label="📥 PDF Dosyasını İndir",
+                        data=pdf_data,
+                        file_name="PolimerX_Final_Raporu.pdf",
+                        mime="application/pdf",
+                        use_container_width=True
+                    )
+        with tab5:
+            st.subheader("🧠 Yapay Zeka Uzman Görüşü")
+            
+            if not api_key:
+                st.info("💡 Bu polimer hakkında detaylı kimyasal yorum almak için sol menüden **Google Gemini API Key** girmelisiniz.")
+                st.markdown("[👉 Ücretsiz API Key Almak İçin Tıkla](https://aistudio.google.com/app/apikey)")
+            else:
+                # Butonla tetikleyelim ki her sayfa yenilemede kredi harcamasın
+                if st.button("✨ Polimeri Analiz Et", type="primary"):
+                    analysis_result = get_ai_interpretation(
+                        api_key, 
+                        best_poly_data['smiles'], 
+                        best_poly_data['preds'], 
+                        saved_targets, 
+                        saved_active_props
+                    )
+                    st.markdown(analysis_result)
+                    
+                    # Analizi de kaydetmek isterseniz session state'e atabilirsiniz
+                    st.session_state['ai_analysis'] = analysis_result
+                
+                # Eğer daha önce analiz yapıldıysa hafızadan göster
+                elif 'ai_analysis' in st.session_state:
+                    st.markdown(st.session_state['ai_analysis'])
+        # --- TAB 6: RETROSENTEZ ve RAPORLAMA ---
+        # --- TAB 6: RETROSENTEZ (Sadece Analiz) ---
+        with tab6:
+            st.header("🧪 Retrosentez Analizi")
+            
+            target_smiles = best_poly_data['smiles']
+            
+            # --- 1. OTOMATİK AYRIŞTIRMA ---
+            st.subheader("1. Yapısal Ayrıştırma")
+            retro_results = decompose_polymer(target_smiles)
+            
+            monomer_info_text = "Otomatik analiz yapilmadi." # Varsayılan
+            
+            if retro_results:
+                best_route = retro_results[0]
+                
+                # Metni oluştur
+                monomer_info_text = f"Yontem: {best_route['type']}\nMekanizma: {best_route['mechanism']}\n"
+                
+                st.info(f"**Algılanan Sentez Türü:** {best_route['type']}")
+                st.write(f"**Mekanizma:** {best_route['mechanism']}")
+                
+                st.markdown("**Olası Başlangıç Monomerleri:**")
+                img_retro = draw_retrosynthesis_grid(best_route['monomers'])
+                if img_retro: st.image(img_retro)
+                
+                # Ticari Kontrol
+                st.markdown("#### 🛒 Ticari Bulunabilirlik")
+                found_monomers = []
+                for i, m in enumerate(best_route['monomers']):
+                    col_code, col_check = st.columns([3, 1])
+                    with col_code:
+                        st.code(f"Monomer {i+1}: {m}")
+                    with col_check:
+                        if st.button(f"🔍 Kontrol #{i+1}", key=f"chk_{i}"):
+                            is_avail, cid, name = check_commercial_availability(m)
+                            if is_avail:
+                                st.success(f"Var: {name}")
+                                found_monomers.append(name)
+                            else:
+                                st.error("Ticari kayit yok")
+                
+                if found_monomers:
+                    monomer_info_text += f"\nTicari Kaydi Olanlar: {', '.join(found_monomers)}"
+                else:
+                    monomer_info_text += "\nTicari kayit kontrolu yapilmadi veya bulunamadi."
+            
+            else:
+                st.warning("Yapısal ayrıştırma başarısız.")
+                monomer_info_text = "Yapısal ayrıştırma başarısız."
+
+            # --- VERİYİ KAYDET (Tab 4 için) ---
+            st.session_state['retro_manual_text'] = monomer_info_text
+
+            st.divider()
+
+            # --- 2. AI SENTEZ PLANI ---
+            st.subheader("2. AI Sentez Reçetesi")
+            
+            if api_key and st.button("⚗️ Sentez Rotasını Oluştur (AI)", type="primary"):
+                ai_retro_text = get_ai_retrosynthesis_guide(api_key, target_smiles, str(retro_results))
+                st.markdown(ai_retro_text)
+                st.session_state['ai_retro_text'] = ai_retro_text
+            
+            elif 'ai_retro_text' in st.session_state:
+                st.markdown(st.session_state['ai_retro_text'])
+            # --- MEVCUT TAB 6 KODUNUN DEVAMI ---
+            
+            st.divider()
+
+            # --- 2. YEREL MODEL TAHMİNİ (GEMINI YERİNE) ---
+            st.subheader("2. T5-Model Tahmini (Machine Learning)")
+            st.caption("Eğittiğimiz model, moleküler yapıyı analiz ederek monomerleri tahmin ediyor.")
+
+            if st.button("🧠 Monomerleri Tahmin Et", type="primary"):
+                with st.spinner("Yapay zeka düşünüyor..."):
+                    # Tahmin Fonksiyonunu Çağır
+                    prediction = predict_monomers_local(best_poly_data['smiles'])
+                    
+                    # Sonucu Göster
+                    st.success("Tahmin Başarılı!")
+                    
+                    st.markdown(f"""
+                    <div style="background-color:#e8f5e9; padding:15px; border-radius:10px; border:1px solid #4CAF50;">
+                        <h4 style="color:#2e7d32; margin:0;">🧪 Önerilen Monomerler:</h4>
+                        <code style="font-size:1.1em; color:#1b5e20; background-color:#e8f5e9;">{prediction}</code>
+                    </div>
+                    """, unsafe_allow_html=True)
+                    print("Predicted monomers:", prediction)
+                    # Görselleştirme
+                    monomers_list = prediction.split(' . ') # Veri setinde " . " ile ayırmıştık
+                    img_retro = draw_retrosynthesis_grid(monomers_list)
+                    if img_retro:
+                        st.image(img_retro, caption="Modelin Önerdiği Yapı Taşları")
+                    
+                    # Session State'e kaydet (PDF raporu için)
+                    st.session_state['retro_manual_text'] = f"AI Tahmini: {prediction}"

config.json

@@ -0,0 +1,60 @@
+{
+  "architectures": [
+    "T5ForConditionalGeneration"
+  ],
+  "classifier_dropout": 0.0,
+  "d_ff": 2048,
+  "d_kv": 64,
+  "d_model": 512,
+  "decoder_start_token_id": 0,
+  "dense_act_fn": "relu",
+  "dropout_rate": 0.1,
+  "dtype": "float32",
+  "eos_token_id": 1,
+  "feed_forward_proj": "relu",
+  "initializer_factor": 1.0,
+  "is_encoder_decoder": true,
+  "is_gated_act": false,
+  "layer_norm_epsilon": 1e-06,
+  "model_type": "t5",
+  "n_positions": 512,
+  "num_decoder_layers": 6,
+  "num_heads": 8,
+  "num_layers": 6,
+  "output_past": true,
+  "pad_token_id": 0,
+  "relative_attention_max_distance": 128,
+  "relative_attention_num_buckets": 32,
+  "task_specific_params": {
+    "summarization": {
+      "early_stopping": true,
+      "length_penalty": 2.0,
+      "max_length": 200,
+      "min_length": 30,
+      "no_repeat_ngram_size": 3,
+      "num_beams": 4,
+      "prefix": "summarize: "
+    },
+    "translation_en_to_de": {
+      "early_stopping": true,
+      "max_length": 300,
+      "num_beams": 4,
+      "prefix": "translate English to German: "
+    },
+    "translation_en_to_fr": {
+      "early_stopping": true,
+      "max_length": 300,
+      "num_beams": 4,
+      "prefix": "translate English to French: "
+    },
+    "translation_en_to_ro": {
+      "early_stopping": true,
+      "max_length": 300,
+      "num_beams": 4,
+      "prefix": "translate English to Romanian: "
+    }
+  },
+  "transformers_version": "4.57.3",
+  "use_cache": true,
+  "vocab_size": 32128
+}

fpscores.pkl.gz

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:10dcef9340c873e7b987924461b0af5365eb8dd96be607203debe8ddf80c1e73
+size 3848394

generation_config.json

@@ -0,0 +1,9 @@
+{
+  "_from_model_config": true,
+  "decoder_start_token_id": 0,
+  "eos_token_id": [
+    1
+  ],
+  "pad_token_id": 0,
+  "transformers_version": "4.57.3"
+}

lgbm_gas_pipeline.joblib

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:25cbe38babbee4527c033340f324f31ff70363faec07370b83747bc9c63e7350
+size 1932028

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:cf17ce234cda524e4b9d0d921ea7693bfcd243d5d6602a7ccad8968b8ae89d23
+size 242041896

polimerx_critic_v2_sanitized.joblib

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:1cbed399cb5dfe36ba48b81637f5ad5c5a6b0c2a25942abcdf232b8d09a7678d
+size 2006300

rf_eps.joblib

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:37f6d461ac42dd294f84df18bc56fd7314d3abc145d3c05886d7a6ab03c3272c
+size 2735137

rf_refractive_index.joblib

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:a1341740aeab83726a919e4255b5c8221b95d49a845700f6c439974de0a89141
+size 4958065

sascorer.py

@@ -0,0 +1,192 @@
+#
+# calculation of synthetic accessibility score as described in:
+#
+# Estimation of Synthetic Accessibility Score of Drug-like Molecules based on Molecular Complexity and Fragment Contributions
+# Peter Ertl and Ansgar Schuffenhauer
+# Journal of Cheminformatics 1:8 (2009)
+# http://www.jcheminf.com/content/1/1/8
+#
+# several small modifications to the original paper are included
+# particularly slightly different formula for marocyclic penalty
+# and taking into account also molecule symmetry (fingerprint density)
+#
+# for a set of 10k diverse molecules the agreement between the original method
+# as implemented in PipelinePilot and this implementation is r2 = 0.97
+#
+# peter ertl & greg landrum, september 2013
+#
+
+from rdkit import Chem
+from rdkit.Chem import rdFingerprintGenerator, rdMolDescriptors
+
+import math
+import pickle
+
+import os.path as op
+
+_fscores = None
+mfpgen = rdFingerprintGenerator.GetMorganGenerator(radius=2)
+
+
+def readFragmentScores(name="fpscores.pkl.gz"):
+  import gzip
+  global _fscores
+  # generate the full path filename:
+  if name == "fpscores.pkl.gz":
+    name = op.join(op.dirname(__file__), name)
+  data = pickle.load(gzip.open(name))
+  outDict = {}
+  for i in data:
+    for j in range(1, len(i)):
+      outDict[i[j]] = float(i[0])
+  _fscores = outDict
+
+
+def numBridgeheadsAndSpiro(mol, ri=None):
+  nSpiro = rdMolDescriptors.CalcNumSpiroAtoms(mol)
+  nBridgehead = rdMolDescriptors.CalcNumBridgeheadAtoms(mol)
+  return nBridgehead, nSpiro
+
+
+def calculateScore(m):
+
+  if not m.GetNumAtoms():
+    return None
+
+  if _fscores is None:
+    readFragmentScores()
+
+  # fragment score
+  sfp = mfpgen.GetSparseCountFingerprint(m)
+
+  score1 = 0.
+  nf = 0
+  nze = sfp.GetNonzeroElements()
+  for id, count in nze.items():
+    nf += count
+    score1 += _fscores.get(id, -4) * count
+
+  score1 /= nf
+
+  # features score
+  nAtoms = m.GetNumAtoms()
+  nChiralCenters = len(Chem.FindMolChiralCenters(m, includeUnassigned=True))
+  ri = m.GetRingInfo()
+  nBridgeheads, nSpiro = numBridgeheadsAndSpiro(m, ri)
+  nMacrocycles = 0
+  for x in ri.AtomRings():
+    if len(x) > 8:
+      nMacrocycles += 1
+
+  sizePenalty = nAtoms**1.005 - nAtoms
+  stereoPenalty = math.log10(nChiralCenters + 1)
+  spiroPenalty = math.log10(nSpiro + 1)
+  bridgePenalty = math.log10(nBridgeheads + 1)
+  macrocyclePenalty = 0.
+  # ---------------------------------------
+  # This differs from the paper, which defines:
+  #  macrocyclePenalty = math.log10(nMacrocycles+1)
+  # This form generates better results when 2 or more macrocycles are present
+  if nMacrocycles > 0:
+    macrocyclePenalty = math.log10(2)
+
+  score2 = 0. - sizePenalty - stereoPenalty - spiroPenalty - bridgePenalty - macrocyclePenalty
+
+  # correction for the fingerprint density
+  # not in the original publication, added in version 1.1
+  # to make highly symmetrical molecules easier to synthetise
+  score3 = 0.
+  numBits = len(nze)
+  if nAtoms > numBits:
+    score3 = math.log(float(nAtoms) / numBits) * .5
+
+  sascore = score1 + score2 + score3
+
+  # need to transform "raw" value into scale between 1 and 10
+  min = -4.0
+  max = 2.5
+  sascore = 11. - (sascore - min + 1) / (max - min) * 9.
+
+  # smooth the 10-end
+  if sascore > 8.:
+    sascore = 8. + math.log(sascore + 1. - 9.)
+  if sascore > 10.:
+    sascore = 10.0
+  elif sascore < 1.:
+    sascore = 1.0
+
+  return sascore
+
+
+def processMols(mols):
+  print('smiles\tName\tsa_score')
+  for i, m in enumerate(mols):
+    if m is None:
+      continue
+
+    s = calculateScore(m)
+
+    smiles = Chem.MolToSmiles(m)
+    if s is None:
+      print(f"{smiles}\t{m.GetProp('_Name')}\t{s}")
+    else:
+      print(f"{smiles}\t{m.GetProp('_Name')}\t{s:3f}")
+
+
+if __name__ == '__main__':
+  import sys
+  import time
+
+  t1 = time.time()
+  if len(sys.argv) == 2:
+    readFragmentScores()
+  else:
+    readFragmentScores(sys.argv[2])
+  t2 = time.time()
+
+  molFile = sys.argv[1]
+  if molFile.endswith("smi"):
+    suppl = Chem.SmilesMolSupplier(molFile)
+  elif molFile.endswith("sdf"):
+    suppl = Chem.SDMolSupplier(molFile)
+  else:
+    print(f"Unrecognized file extension for {molFile}")
+    sys.exit()
+
+  t3 = time.time()
+  processMols(suppl)
+  t4 = time.time()
+
+  print('Reading took %.2f seconds. Calculating took %.2f seconds' % ((t2 - t1), (t4 - t3)),
+        file=sys.stderr)
+
+#
+#  Copyright (c) 2013, Novartis Institutes for BioMedical Research Inc.
+#  All rights reserved.
+#
+# Redistribution and use in source and binary forms, with or without
+# modification, are permitted provided that the following conditions are
+# met:
+#
+#     * Redistributions of source code must retain the above copyright
+#       notice, this list of conditions and the following disclaimer.
+#     * Redistributions in binary form must reproduce the above
+#       copyright notice, this list of conditions and the following
+#       disclaimer in the documentation and/or other materials provided
+#       with the distribution.
+#     * Neither the name of Novartis Institutes for BioMedical Research Inc.
+#       nor the names of its contributors may be used to endorse or promote
+#       products derived from this software without specific prior written permission.
+#
+# THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND CONTRIBUTORS
+# "AS IS" AND ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT
+# LIMITED TO, THE IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR
+# A PARTICULAR PURPOSE ARE DISCLAIMED. IN NO EVENT SHALL THE COPYRIGHT
+# OWNER OR CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL,
+# SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT
+# LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE,
+# DATA, OR PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY
+# THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT
+# (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE
+# OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.
+#

special_tokens_map.json

@@ -0,0 +1,125 @@
+{
+  "additional_special_tokens": [
+    "<extra_id_0>",
+    "<extra_id_1>",
+    "<extra_id_2>",
+    "<extra_id_3>",
+    "<extra_id_4>",
+    "<extra_id_5>",
+    "<extra_id_6>",
+    "<extra_id_7>",
+    "<extra_id_8>",
+    "<extra_id_9>",
+    "<extra_id_10>",
+    "<extra_id_11>",
+    "<extra_id_12>",
+    "<extra_id_13>",
+    "<extra_id_14>",
+    "<extra_id_15>",
+    "<extra_id_16>",
+    "<extra_id_17>",
+    "<extra_id_18>",
+    "<extra_id_19>",
+    "<extra_id_20>",
+    "<extra_id_21>",
+    "<extra_id_22>",
+    "<extra_id_23>",
+    "<extra_id_24>",
+    "<extra_id_25>",
+    "<extra_id_26>",
+    "<extra_id_27>",
+    "<extra_id_28>",
+    "<extra_id_29>",
+    "<extra_id_30>",
+    "<extra_id_31>",
+    "<extra_id_32>",
+    "<extra_id_33>",
+    "<extra_id_34>",
+    "<extra_id_35>",
+    "<extra_id_36>",
+    "<extra_id_37>",
+    "<extra_id_38>",
+    "<extra_id_39>",
+    "<extra_id_40>",
+    "<extra_id_41>",
+    "<extra_id_42>",
+    "<extra_id_43>",
+    "<extra_id_44>",
+    "<extra_id_45>",
+    "<extra_id_46>",
+    "<extra_id_47>",
+    "<extra_id_48>",
+    "<extra_id_49>",
+    "<extra_id_50>",
+    "<extra_id_51>",
+    "<extra_id_52>",
+    "<extra_id_53>",
+    "<extra_id_54>",
+    "<extra_id_55>",
+    "<extra_id_56>",
+    "<extra_id_57>",
+    "<extra_id_58>",
+    "<extra_id_59>",
+    "<extra_id_60>",
+    "<extra_id_61>",
+    "<extra_id_62>",
+    "<extra_id_63>",
+    "<extra_id_64>",
+    "<extra_id_65>",
+    "<extra_id_66>",
+    "<extra_id_67>",
+    "<extra_id_68>",
+    "<extra_id_69>",
+    "<extra_id_70>",
+    "<extra_id_71>",
+    "<extra_id_72>",
+    "<extra_id_73>",
+    "<extra_id_74>",
+    "<extra_id_75>",
+    "<extra_id_76>",
+    "<extra_id_77>",
+    "<extra_id_78>",
+    "<extra_id_79>",
+    "<extra_id_80>",
+    "<extra_id_81>",
+    "<extra_id_82>",
+    "<extra_id_83>",
+    "<extra_id_84>",
+    "<extra_id_85>",
+    "<extra_id_86>",
+    "<extra_id_87>",
+    "<extra_id_88>",
+    "<extra_id_89>",
+    "<extra_id_90>",
+    "<extra_id_91>",
+    "<extra_id_92>",
+    "<extra_id_93>",
+    "<extra_id_94>",
+    "<extra_id_95>",
+    "<extra_id_96>",
+    "<extra_id_97>",
+    "<extra_id_98>",
+    "<extra_id_99>"
+  ],
+  "eos_token": {
+    "content": "</s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "pad_token": {
+    "content": "<pad>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "unk_token": {
+    "content": "<unk>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  }
+}

spiece.model

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:d60acb128cf7b7f2536e8f38a5b18a05535c9e14c7a355904270e15b0945ea86
+size 791656

tokenizer_config.json

@@ -0,0 +1,939 @@
+{
+  "add_prefix_space": null,
+  "added_tokens_decoder": {
+    "0": {
+      "content": "<pad>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "</s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "<unk>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32000": {
+      "content": "<extra_id_99>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32001": {
+      "content": "<extra_id_98>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32002": {
+      "content": "<extra_id_97>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32003": {
+      "content": "<extra_id_96>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32004": {
+      "content": "<extra_id_95>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32005": {
+      "content": "<extra_id_94>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32006": {
+      "content": "<extra_id_93>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32007": {
+      "content": "<extra_id_92>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32008": {
+      "content": "<extra_id_91>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32009": {
+      "content": "<extra_id_90>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32010": {
+      "content": "<extra_id_89>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32011": {
+      "content": "<extra_id_88>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32012": {
+      "content": "<extra_id_87>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32013": {
+      "content": "<extra_id_86>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32014": {
+      "content": "<extra_id_85>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32015": {
+      "content": "<extra_id_84>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32016": {
+      "content": "<extra_id_83>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32017": {
+      "content": "<extra_id_82>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32018": {
+      "content": "<extra_id_81>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32019": {
+      "content": "<extra_id_80>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32020": {
+      "content": "<extra_id_79>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32021": {
+      "content": "<extra_id_78>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32022": {
+      "content": "<extra_id_77>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32023": {
+      "content": "<extra_id_76>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32024": {
+      "content": "<extra_id_75>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32025": {
+      "content": "<extra_id_74>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32026": {
+      "content": "<extra_id_73>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32027": {
+      "content": "<extra_id_72>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32028": {
+      "content": "<extra_id_71>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32029": {
+      "content": "<extra_id_70>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32030": {
+      "content": "<extra_id_69>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32031": {
+      "content": "<extra_id_68>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32032": {
+      "content": "<extra_id_67>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32033": {
+      "content": "<extra_id_66>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32034": {
+      "content": "<extra_id_65>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32035": {
+      "content": "<extra_id_64>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32036": {
+      "content": "<extra_id_63>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32037": {
+      "content": "<extra_id_62>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32038": {
+      "content": "<extra_id_61>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32039": {
+      "content": "<extra_id_60>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32040": {
+      "content": "<extra_id_59>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32041": {
+      "content": "<extra_id_58>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32042": {
+      "content": "<extra_id_57>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32043": {
+      "content": "<extra_id_56>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32044": {
+      "content": "<extra_id_55>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32045": {
+      "content": "<extra_id_54>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32046": {
+      "content": "<extra_id_53>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32047": {
+      "content": "<extra_id_52>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32048": {
+      "content": "<extra_id_51>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32049": {
+      "content": "<extra_id_50>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32050": {
+      "content": "<extra_id_49>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32051": {
+      "content": "<extra_id_48>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32052": {
+      "content": "<extra_id_47>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32053": {
+      "content": "<extra_id_46>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32054": {
+      "content": "<extra_id_45>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32055": {
+      "content": "<extra_id_44>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32056": {
+      "content": "<extra_id_43>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32057": {
+      "content": "<extra_id_42>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32058": {
+      "content": "<extra_id_41>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32059": {
+      "content": "<extra_id_40>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32060": {
+      "content": "<extra_id_39>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32061": {
+      "content": "<extra_id_38>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32062": {
+      "content": "<extra_id_37>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32063": {
+      "content": "<extra_id_36>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32064": {
+      "content": "<extra_id_35>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32065": {
+      "content": "<extra_id_34>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32066": {
+      "content": "<extra_id_33>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32067": {
+      "content": "<extra_id_32>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32068": {
+      "content": "<extra_id_31>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32069": {
+      "content": "<extra_id_30>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32070": {
+      "content": "<extra_id_29>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32071": {
+      "content": "<extra_id_28>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32072": {
+      "content": "<extra_id_27>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32073": {
+      "content": "<extra_id_26>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32074": {
+      "content": "<extra_id_25>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32075": {
+      "content": "<extra_id_24>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32076": {
+      "content": "<extra_id_23>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32077": {
+      "content": "<extra_id_22>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32078": {
+      "content": "<extra_id_21>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32079": {
+      "content": "<extra_id_20>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32080": {
+      "content": "<extra_id_19>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32081": {
+      "content": "<extra_id_18>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32082": {
+      "content": "<extra_id_17>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32083": {
+      "content": "<extra_id_16>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32084": {
+      "content": "<extra_id_15>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32085": {
+      "content": "<extra_id_14>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32086": {
+      "content": "<extra_id_13>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32087": {
+      "content": "<extra_id_12>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32088": {
+      "content": "<extra_id_11>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32089": {
+      "content": "<extra_id_10>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32090": {
+      "content": "<extra_id_9>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32091": {
+      "content": "<extra_id_8>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32092": {
+      "content": "<extra_id_7>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32093": {
+      "content": "<extra_id_6>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32094": {
+      "content": "<extra_id_5>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32095": {
+      "content": "<extra_id_4>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32096": {
+      "content": "<extra_id_3>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32097": {
+      "content": "<extra_id_2>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32098": {
+      "content": "<extra_id_1>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "32099": {
+      "content": "<extra_id_0>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "additional_special_tokens": [
+    "<extra_id_0>",
+    "<extra_id_1>",
+    "<extra_id_2>",
+    "<extra_id_3>",
+    "<extra_id_4>",
+    "<extra_id_5>",
+    "<extra_id_6>",
+    "<extra_id_7>",
+    "<extra_id_8>",
+    "<extra_id_9>",
+    "<extra_id_10>",
+    "<extra_id_11>",
+    "<extra_id_12>",
+    "<extra_id_13>",
+    "<extra_id_14>",
+    "<extra_id_15>",
+    "<extra_id_16>",
+    "<extra_id_17>",
+    "<extra_id_18>",
+    "<extra_id_19>",
+    "<extra_id_20>",
+    "<extra_id_21>",
+    "<extra_id_22>",
+    "<extra_id_23>",
+    "<extra_id_24>",
+    "<extra_id_25>",
+    "<extra_id_26>",
+    "<extra_id_27>",
+    "<extra_id_28>",
+    "<extra_id_29>",
+    "<extra_id_30>",
+    "<extra_id_31>",
+    "<extra_id_32>",
+    "<extra_id_33>",
+    "<extra_id_34>",
+    "<extra_id_35>",
+    "<extra_id_36>",
+    "<extra_id_37>",
+    "<extra_id_38>",
+    "<extra_id_39>",
+    "<extra_id_40>",
+    "<extra_id_41>",
+    "<extra_id_42>",
+    "<extra_id_43>",
+    "<extra_id_44>",
+    "<extra_id_45>",
+    "<extra_id_46>",
+    "<extra_id_47>",
+    "<extra_id_48>",
+    "<extra_id_49>",
+    "<extra_id_50>",
+    "<extra_id_51>",
+    "<extra_id_52>",
+    "<extra_id_53>",
+    "<extra_id_54>",
+    "<extra_id_55>",
+    "<extra_id_56>",
+    "<extra_id_57>",
+    "<extra_id_58>",
+    "<extra_id_59>",
+    "<extra_id_60>",
+    "<extra_id_61>",
+    "<extra_id_62>",
+    "<extra_id_63>",
+    "<extra_id_64>",
+    "<extra_id_65>",
+    "<extra_id_66>",
+    "<extra_id_67>",
+    "<extra_id_68>",
+    "<extra_id_69>",
+    "<extra_id_70>",
+    "<extra_id_71>",
+    "<extra_id_72>",
+    "<extra_id_73>",
+    "<extra_id_74>",
+    "<extra_id_75>",
+    "<extra_id_76>",
+    "<extra_id_77>",
+    "<extra_id_78>",
+    "<extra_id_79>",
+    "<extra_id_80>",
+    "<extra_id_81>",
+    "<extra_id_82>",
+    "<extra_id_83>",
+    "<extra_id_84>",
+    "<extra_id_85>",
+    "<extra_id_86>",
+    "<extra_id_87>",
+    "<extra_id_88>",
+    "<extra_id_89>",
+    "<extra_id_90>",
+    "<extra_id_91>",
+    "<extra_id_92>",
+    "<extra_id_93>",
+    "<extra_id_94>",
+    "<extra_id_95>",
+    "<extra_id_96>",
+    "<extra_id_97>",
+    "<extra_id_98>",
+    "<extra_id_99>"
+  ],
+  "clean_up_tokenization_spaces": true,
+  "eos_token": "</s>",
+  "extra_ids": 100,
+  "extra_special_tokens": {},
+  "model_max_length": 512,
+  "pad_token": "<pad>",
+  "tokenizer_class": "T5Tokenizer",
+  "unk_token": "<unk>"
+}

xgb_band gap bulk.joblib

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:2dce1313ec3ce92b6019b8b9071f7bec96deb27eb15177c43267baac4a2a87e0
+size 179430

xgb_band gap chain.joblib

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:791b1c9d7de1564baf5f04b397a4c487a334d19ca5e7828463b6b7e6facff5e5
+size 269055

xgb_bandgap-crystal.joblib

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:24b0cc7edda31ac607ff8e13f259bbbaf62e995977b9c7655835806be3027f7e
+size 150871

xgb_cte.joblib

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:3fbb04ce5771d9dad717d7f4d7fe7234f66d8d973da74b3261805f5f2ee1a191
+size 520320

xgb_gaspermability.joblib

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:cc20231f90a77da7fb9f7fac05dd0aabcbfdc8b70ddc440697419fc6cd3b2a0f
+size 443720

xgb_loi.joblib

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:1c972fcea91d3066659327a8b3bbcab3cfe5c2aebddbf476cae71885ee71a8dd
+size 544399

xgb_solubility.joblib

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:5cee16a2a1010d7754801452a816c0187a4b70ade97defa1d03a7b3277d590cd
+size 516200

xgb_td.joblib

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:c29ca68268e50b016f0b9acab03fd47bee3deee1f690816aca805704e99fd499
+size 7218153

xgb_tg.joblib

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:1cbed399cb5dfe36ba48b81637f5ad5c5a6b0c2a25942abcdf232b8d09a7678d
+size 2006300

xgb_thermal_cond.joblib

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:38bdd642b03d04e95ec3411eb6145e863b9e8101d79c87d0ae45ea0863b81f6a
+size 502815

xgb_tm.joblib

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:54e183e50d94c6673c6ccdbb2f2bd73cc0ea7752427822b099980b81ed3eb62a
+size 253017