0.62 AUC 的粗筛模型撬动 65578 候选材料搜索,命中率翻倍
bravo_abad · x · 2026-09-16
bravoabad 解读 Ran 等人关于磁性金属有机框架(altermagnetic MOFs)发现的研究,核心观点:科学发现中的 ML 模型不需要预测完美,只需决定「下一步值得算什么」。
- 目标是罕见的交替磁金属有机框架,初始 DFT 数据集 350 个候选中仅 6 个正样本,是极不平衡的稀有事件场景
- 作者用分子指纹训练了类加权 XGBoost 作为粗筛, conventional benchmark 上 AUC 仅 0.62,但足以把 65578 个候选缩减到 145 个进入昂贵的 DFT 计算
- 结果发现 6 个新的 altermagnet,命中率从 1.7% 提升到 4.1%
- 结论:稀有事件科学发现中,应以模型对昂贵实验/计算的富集能力来评价,而非基准分数
「研究」频道最新
- CPAL 2027 落地东京,聚焦简约学习的小而美会议 — YiMaTweets · 2026-09-16
- 无需教师模型的一步离散生成器：Discrete Beckmann Transport — rishabh16_ · 2026-09-16
- AI 模型正变成「家电」：专精一事、其余皆废 — dbreunig · 2026-09-16
- Google 论文 Fuse:模拟构建基准,测 12 个 LLM 的社交动机推断力 — dair_ai · 2026-09-16
- 新加坡 CIVIC-AI 白皮书:用六条件框架定义 AI 何时真正增强工作 — stanfordnlp · 2026-09-16
- NVIDIA 论文:混合模型集成多数反而变差,单一模型家族最有效 — omarsar0 · 2026-09-16