Nat. Comput. Sci.：主动学习与几何深度学习提升数据稀缺药物发现中的化学反应预测
研究人员提出主动学习、高通量实验与几何图神经网络组成的闭环流程，用于数据稀缺条件下的C–H硼化反应预测。经3轮主动学习新增50种底物、4,821次高通量实验，最终数据集含6,865条反应记录和568种底物，独特Bemis–Murcko骨架由105个增至147个。
推荐理由：研究把主动学习选样与几何图神经网络结合，在C–H硼化上展示数据稀缺条件下的实验闭环路径。
研究人员提出主动学习、高通量实验与几何图神经网络组成的闭环流程，用于数据稀缺条件下的C–H硼化反应预测。经3轮主动学习新增50种底物、4,821次高通量实验，最终数据集含6,865条反应记录和568种底物，独特Bemis–Murcko骨架由105个增至147个。
推荐理由：研究把主动学习选样与几何图神经网络结合，在C–H硼化上展示数据稀缺条件下的实验闭环路径。