新预印本：信息密集合成把分子发现实验数从 O(d) 降到 O(log d)
anshulkundaje · x · 2026-10-07
预印本《Information-Dense Synthesis for Molecular Discovery》（arXiv:2610.08495）提出用算法控制的随机合成加速分子发现：不逐一设计、合成、测试单个分子，而是设计并合成复杂混合物、以池化方式测试，再反卷积出分子-活性映射。
- 核心思路是让每次合成编码尽可能多的信息，理论上把在 d 个候选中找到最优分子所需实验数从 O(d) 降到 O(log d) 甚至 O(1)。
- 在估计的蛋白质适应度地形模拟中，找到活性分子所需实验比现有贝叶斯优化方法少一个数量级。
- 针对的是目标性质极稀有、现有算法仅略优于随机猜测的稀疏场景。
所属事件:新预印本提出信息密集合成加速分子发现(2 条相关)→
「研究」频道最新
- OpenAI 问题 #109 再收紧：κ 改进约 5.7 亿倍，逼近理论上限 — aran_nayebi · 2026-10-07
- Datology 开源 Zephon：确定性流式 dataloader 解决 GPU 数量不一致难题 — josh_wills · 2026-10-07
- NVIDIA 论文 VERA：让 Agent 框架与模型共同进化，9B 版超出基线 10 分 — omarsar0 · 2026-10-07
- Isomorphic Labs 成 Virtual Biology Initiative 创始成员，开放生物数据 — proteinrosh · 2026-10-07
- MIT 把编码 agent 丢上无人岛 30 小时,研究机器「玩耍」 — phillip_isola · 2026-10-07
- GPT-7「证明」乘法提速 0.0000000000163%，数学家笑了 — jxmnop · 2026-10-07