GeroQubit

{"translation":"嗨 PH 👋 我是 Dinesh，构建这个项目的两个人之一。\n\n我看过的每一个 AI 药物发现工具都存在同样的两个问题：它会给你一个实际上没有任何化学家能合成的分子，并且在报告基准分数时不会告诉你这个分数何时会失效。\n\n所以我们反向构建了 GeroQubit。引擎不是先生成结构再逆向推导合成路径，而是"演化"配方——骨架 + 砌块 + 命名反应。分子是已有路线的产物。任何无法被合成的结构都不会被提出。\n\n我更愿意展示而不是隐藏的部分：我们的结合分数在已知化学上达到了 ROC-AUC 0.945——而在真正新颖的分子上骤降至 0.62。这种崩塌在该领域是普遍现象，几乎没有人会公开这一点。我们把它放在基准页面中，与那个好看的数据使用相同的字号，因为一个你无法信任的分数比没有分数更糟糕。\n\n其他真实存在的部分：在 PMO 基准（0.938，QED oracle）上与最强的无约束生成器持平，同时每个候选分子都保持可合成性；整个搜索在 CPU 上数秒内即可完成；每个效力预测都附带经过校准的置信区间（约 90% 覆盖率）。\n\n仅供研究使用——这是为药物化学家设计的假设引擎，而非临床声明。我们目前尚无湿实验室数据，我更愿意一开始就坦诚说明这一点。\n\n欢迎提出任何问题，尤其是那些持怀疑态度的问题。🧬"}