ИИ и сложнейшие проблемы мира · Химия и материалы · arXiv · 2026-10-21
Интерпретируемое мета-обучение для многоцелевого химического поиска
Оригинальное название: Interpretable Meta-Learning for Multi-Objective Chemical Search
Авторы представляют модульный конвейер, объединяющий интерпретируемые линейные модели мета-обучения с квантификацией неопределённости с адаптивным уровнем доверия в рамках фреймворка Efficient Global Optimization для многоцелевого молекулярного поиска. Мета-обученные суррогатные модели, натренированные на различных химических целевых задачах и дешёвых вспомогательных свойствах, приобретают переносимые химические знания, которые быстро адаптируются к новым целям по ограниченным данным, а в реальном крупномасштабном поиске спин-кроссоверных металлоорганических комплексов базовый метод показывает результат на 78% хуже в смысле Парето. Адаптивный алгоритм настройки доверия, динамически перекалибрующий компромисс между исследованием и эксплуатацией по мере развития поиска, дополнительно доминирует более чем над 50% статически откалиброванного фронта.