热点事件持续更新
研究揭示分子机器学习结构不相交划分随规模扩展失效
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
2026年10月12日，arXiv发表题为《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》的研究。该研究指出，分子机器学习常用的最大公共子图（MCES）结构不相交划分规则在扩展至227,690个分子规模时会出现失效漂移。研究团队通过优化算法将配对计算量减少2,259倍，从而实现了无损评估。结果显示，单个连通分量占据了分子库的95.5%，导致测试集上限仅剩4.5%。同时，留出的测试化合物有88.1%的概率重于训练化合物，这使得基准评测将结构新颖性与向更大分子的外推能力产生了混淆。
AI 根据报道生成 · 8 小时前更新
最新进展10月12日 12:00
研究显示MCES结构划分在22.7万分子规模下失效，单连通分量占95.5%。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv 机器学习临界质量：分子机器学习结构不相交划分随分子库扩展发生漂移
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。
本事件热度走势
当前热度 8·可比范围峰值 10（10月12日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。