研究者提出信息密集分子合成方法减少实验次数
Get the story
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。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Statistics Machine Learning信息密集合成法用于分子发现
研究者提出一种信息密集合成方法，用算法控制的随机合成搜索大片分子空间：设计并制备复杂混合物、整体测试后再反卷积分子-活性图谱。理论上可将 d 个候选分子中找到最优分子所需实验数从 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。
Heat trend
Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.