Kolta

KolTa框架通过物理信息主动学习加速配方发现

研究人员开发了KolTa，一个新颖的主动学习框架，旨在优化高性能配方的发现，尤其是在实验数据稀缺的情况下。该框架集成了多阶段预测器和特定任务的物理约束，并采用了一种称为物理残差校准上限置信度（PRC-UCB）的独特采集规则。在包括二元混合物粘度和药物溶解度在内的各种任务上的评估表明，KolTa的性能优越，优于八个比较策略中的七个，并显著减少了所需的配方查询数量。