- 资讯公开站Nature News
通过集成多样归纳偏置模型实现化学家对齐的逆合成
Chemist-aligned retrosynthesis by ensembling diverse inductive bias models
摘要显示，该研究提出一种逆合成方法，通过集成多个具有不同归纳偏置的模型，使预测路径更贴近化学家的实际推理方式。原文未提供具体实验数据、评测指标或机构信息，因此对性能提升幅度与适用范围暂无法确认。
意义：逆合成是药物与材料研发的关键环节；集成多样化归纳偏置的思路，可能为提升 AI 规划路线的化学合理性与可解释性提供新方向。
- 论文公开站arXiv
惯性流形神经算子用于耗散时间相关偏微分方程
Inertial Manifold Neural Operator for Dissipative Time-Dependent Partial Differential Equations
本文提出惯性流形神经算子（IMNO），用于求解耗散时间相关偏微分方程。摘要显示，该算子利用耗散系统的低维结构，相比标准神经算子（如傅里叶神经算子）在长时间自回归训练和预测中具有更好的物理可解释性、准确性和稳定性。针对平移等变PDE，还提出了平移等变变体（IMNO-SE），通过保持对称性提升性能。
意义：为耗散PDE的长期预测提供更稳定、可解释的神经算子，并引入对称性保持的归纳偏置，对科学计算和AI4Science有重要意义。