离散扩散策略大幅减少分子优化评估
热点事件持续更新
离散扩散策略大幅减少分子优化评估
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Caltech与Genesis Molecular AI在NeurIPS 2026论文中提出离散扩散导向策略，通过按蛋白靶点结合奖励重新加权预训练分子生成模型的输出分布，在测试时将算力用于更有希望的候选分子。 研究称，该方法仅用86次oracle评估，即达到最强推理时搜索基线Beam Search约5000次评估的性能，调用量减少约58倍；该策略还需在奖励与化学有效性之间取舍。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- AGI HuntCaltech 与 Genesis Molecular AI 的 NeurIPS 2026 论文：离散扩散导向策略将分子优化 oracle 调用减少 58 倍
Caltech 与 Genesis Molecular AI 在 NeurIPS 2026 提出离散扩散导向策略，通过倾斜目标分布 p(x) ∝ p_pre(x)·exp(r(x)/β) 将预训练分子生成模型的先验与蛋白靶点结合奖励重加权，在奖励与化学有效性之间取舍。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。