AIntibody：经实验验证的硅学抗体发现设计挑战

科学经常受到 Gartner 炒作周期1 的影响：新兴技术最初会引发强烈的热情，并招募专职科学家。一些科学家因新技术无法兑现最初的承诺而失望离开，而另一些科学家则坚持不懈，进一步开发该技术。虽然一项新技术的价值（或不价值）通常会随着时间的推移而逐渐显现，但适当的基准对于突出优势和有待改进的领域非常宝贵，可大大加快技术成熟的速度。计算工程和人工智能（AI）/机器学习（ML）领域面临的一个特殊挑战是，基准和最佳实践并不常见，因此非专业人士很难评估这些方法的影响和性能。虽然有多篇论文强调了最佳实践和评估指南2,3,4，但对这些方法的真正检验最终还是要看预期性能，这就需要进行实验测试。