arXiv 机器学习· Tomo Oga, Devesh Shah, Cailum M. K. Stienstra, Gabriel Asher, Antonio H. de O. Fonseca, Niall O'Connor, Michael Widrich·· 9 小时前AI 评分38
临界质量：分子机器学习结构不相交划分随分子库扩展发生漂移
Critical Mass: Structure-Disjoint Splits Drift With the Libraries They Are Built On
AI 导读
分子机器学习常用的 MCES 结构不相交划分规则在扩展至 227,690 个分子规模时发生失效漂移。作者通过优化算法将配对计算量减少 2,259 倍实现无损评估，发现单个连通分量占据了 95.5% 的分子库，使测试集上限仅剩 4.5%。留出的测试化合物有 88.1% 概率重于训练化合物，导致基准评测将结构新颖性与向更大分子的外推混淆。
来源：arXiv 机器学习 · arxiv.org