AI与世界难题 · 化学与材料 · arXiv · 2026-10-21
面向多目标化学搜索的可解释元学习
原标题: Interpretable Meta-Learning for Multi-Objective Chemical Search
作者提出了一个模块化流程，将可解释的线性元学习模型与自适应置信度不确定性量化相结合，纳入用于多目标分子发现的高效全局优化（Efficient Global Optimization）框架。跨化学目标与廉价辅助性质训练得到的元学习代理模型可获取可迁移的化学知识，能从有限数据出发快速适应新目标；而在针对自旋交叉金属有机配合物的真实大规模搜索中，基线在帕累托意义上的表现要差78%。一种随搜索推进而动态重校准探索—利用权衡的自适应置信度调节算法，进一步在静态校准前沿中超过50%的部分上占优。