La IA y los problemas difíciles del mundo · Química y materiales · arXiv · 2026-10-21
Metaaprendizaje interpretable para la búsqueda química multiobjetivo
Título original: Interpretable Meta-Learning for Multi-Objective Chemical Search
Los autores presentan un flujo de trabajo modular que combina modelos lineales interpretables de metaaprendizaje con cuantificación de incertidumbre de confianza adaptativa dentro de un marco de Optimización Global Eficiente para el descubrimiento molecular multiobjetivo. Los sustitutos metaaprendidos, entrenados sobre objetivos químicos y propiedades auxiliares baratas, adquieren conocimiento químico transferible que se adapta rápidamente a nuevos objetivos a partir de datos limitados, y en una búsqueda real a gran escala de complejos metal-orgánicos con transición de espín la línea base funciona un 78% peor en el sentido de Pareto. Un algoritmo adaptativo de ajuste de la confianza que recalibra dinámicamente el compromiso entre exploración y explotación a medida que evoluciona la búsqueda domina, además, más del 50% del frente calibrado estáticamente.