5月21日
10:22
arXiv cs.LG@D. -M. Mei, K. Acharya, C. M. Adhikari, M. Adhikari, S. Aryal, B. V. Benson, K. Bhatta, S. Bhattarai, N. Budhathoki, A. M. Castillo, D. Chakraborty, S. Chhetri, S. Choudhury, T. A. Chowdhury, R. D. Cruz, B. Cui, S. Dhital, K. -M. Dong, R. Gapuz, A. Ghasemi, E. Z. Gnimpieba, B. D. S. Gurung, H. A. Hashim, R. I. Harry, K. -E. Hasin, M. K. Hassanzadeh, M. K. Jha, D. Kim, K. -C. Kong, B. Lama, A. Mahat, N. Maharjan, A. Majeed, J. Mammo, M. M. Masud, K. S. Moore, A. Nawaz, H. Oli, S. A. Panamaldeniya, L. Pandey, R. Pandey, Z. Peng, A. Prem, M. M. Rana, K. Rana Magar, R. Rizk, C. S. Tadi, L. -W. Wang, Y. Yang, G. -L. Yin, C. -X. Yu, D. Zeng, M. Zhou, Q. Zhou
精选58
AIMBio-Mat 是一个概念框架,旨在将材料科学和生物医学数据整合到一个AI原生的、符合FAIR原则(可查找、可访问、可互操作、可重用)且具备治理意识的决策层中。该框架通过知识图谱、不确定性感知机器学习和人机协同主动学习,将生物医学材料发现建模为不确定性下的约束多目标优化问题。它提出了元数据、模型文档、风险分级治理和评估指标等实用要求,并包含最小可行原型规范和用于药物递送的纳米材料AI引导发现试点。该平台定位为探索性和临床前发现基础设施,而非临床决策支持软件,其核心贡献是将碎片化的材料和生物医学记录转化为可审计、可实验操作且负责任的发现工作流蓝图。
推荐理由:做材料发现和生物医学交叉研究的团队终于有了一个可落地的AI原生平台蓝图——它解决了数据碎片化和治理缺失的痛点,做纳米药物递送或生物材料设计的可以直接参考其试点方案。