合成与逆合成问题是复杂科学计算中的典型代表，其计算难点主要体现在多模态信息耦合、高维组合搜索空间以及强领域知识约束等方面。尽管近年来人工智能方法在相关任务中取得了一定进展，但现有方法在反应过程建模、跨数据源协同计算以及结果可解释性方面仍存在不足，这在一定程度上限制了其在真实科研与工程场景中的应用。本文围绕合成与逆合成问题的计算建模展开研究，重点关注如何在计算层面刻画反应过程中的关键结构变化。从数据表示、模型设计与系统实现3个方面展开讨论，其中工作重点放在反应级建模方法及其可扩展性分析上。具体而言，构建了一个包含360万条反应记录的大规模多模态化学反应数据集，并在此基础上提出了引入三维结构信息的反应级图神经网络模型；同时，针对跨机构场景下的数据隐私问题，设计了知识驱动的隐私保护逆合成计算框架；进一步，通过大小模型协同机制实现了具有一定可解释性的逆合成推理过程。基于上述方法，开发了面向合成与逆合成任务的计算平台，并在多类典型反应场景下进行了验证。实验结果显示，该方法在不同规模数据条件下均表现出较为稳定的性能，但在复杂反应场景中的进一步优化仍有探索空间。