镁睿化学科研团队 Nature Communications：利用高通量实验+概率建模实现数据飞轮迭代

本研究面向工业化学合成/药物合成场景，探讨如何利用高通量实验（HTE）平台进行高效的数据飞轮迭代，以更好地训练AI模型。研究采用基于NUTS抽样的贝叶斯神经网络的主动学习和不确定性解耦方法，结合HTE平台，在酸胺缩合反应空间进行高效探索。该方法能准确预测化学反应的可行性，估计反应的可重复性，为工业级AI结合HTE平台的数据分析提供了新范式。研究构建了11,669条反应数据集，通过贝叶斯模型实现了89.48%的预测准确率，并细粒度解耦了认知不确定性和数据不确定性，为工业放大提供了重要参考。