微软团队 Nature 论文：多模型集成让 AI 逆合成更贴近化学家判断
marwinsegler · x · 2026-09-22
Marwin Segler 团队在《Nature》发表 retroChimera 逆合成规划模型。要点:
- 化学合成仍是小分子药物发现与生产的关键瓶颈,AI 逆合成规划可提出更优路线,让生成式分子设计真正可行。
- 核心思路是集成多种不同归纳偏置的模型(ensemble of diverse inductive biases),使预测结果与化学家的实际判断对齐(chemist-aligned)。
- 论文显示:深度学习模型如今能从更少的数据中学习;集成框架显著提升路线鲁棒性;在制药企业 ELN(电子实验记录本)数据上微调可行。
- 作者阵容包括 Christopher Bishop 等微软研究人员与 GSK 药物化学家,论文含大量扩展分析,模型代码与权重已在 GitHub 开放。
所属事件:微软 retroChimera 逆合成模型登 Nature 并开源(5 条相关)→
「研究」频道最新
- PARTS 框架：子任务级 RL 微调，双臂任务成功率 32%→61% — Sichang Su · 2026-09-22
- SiliconBench：评测九款 Apple Silicon 引擎的速度、内存与保真度 — PennState · 2026-09-22
- Engram 检索架构省不了全部参数,但可砍 40-50% HBM 需求 — bookwormengr · 2026-09-22
- 给 Agent 加本体层：GPT-5.5 在 DDR-Bench 暴涨 26.7 分 — omarsar0 · 2026-09-22
- PIBBSS 演讲:「发现 AI 耍计谋就停下」不是可靠的对齐方案 — JacquesThibs · 2026-09-22
- LLM WikiRace 基准：用维基百科竞速游戏测模型规划推理 — hbouammar · 2026-09-22