研究人员开发了一个名为OPAL（Opportunity-aware Policy Authorization for Laboratories）的新框架，用于确定何时应启用自适应实验。OPAL使用预先承诺的合同来确保非平凡的适应性、控制目标风险，并在扣除成本后实现正的执行价值。在对一个包含11,265个化合物的Cell Painting数据集进行测试时，OPAL成功识别出需要适应的化合物，同时保持了较低的假激活率，在结合激活与风险控制方面优于其他方法。 AI
影响 该框架通过优化自适应实验的使用，有望带来更高效、更可靠的科学发现。
排序理由 该集群包含一篇详细介绍自适应实验新框架的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
