研究者提出信息密集分子合成方法减少实验次数

2026年10月7日，研究者在arXiv（Statistics Machine Learning）发表一手论文，提出一种信息密集合成方法，用于分子发现。该方法通过算法控制的随机合成搜索大片分子空间：先设计并制备复杂混合物，进行整体测试，再反卷积得到分子—活性图谱。理论上，在d个候选分子中找到最优分子所需实验数可从O(d)降至O(log d)或O(1)。在蛋白质适应度景观模拟中，该方法比现有贝叶斯优化方法少一个数量级实验即可找到活性分子。目前报道仅涉及方法与模拟验证，未见真实实验或同行评议进展。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。