AI设计分子容易，做得出来吗
生成式分子设计的难点，往往不在画出新分子，而在这些分子到底能不能合成。计算模型可以帮忙预测反应，但参考数据少、区域选择性难预测，一直是短板。

这篇论文的闭环值得抄作业：先用主动学习（树模型驱动）挑出最有信息量的实验去做，用这批实验结果构建 C–H 硼化反应的多样化基准数据集，再训练几何图神经网络；给这些对称性感知模型加上自监督辅助任务后，反应结果预测和区域选择性预测都稳定提升。

最实用的检验是前瞻性测试：对未见过的底物，包括难做的 N -heteroaryl 结构，模型在所有案例中都指出了正确的硼化位置。

能带走的启示：数据少的时候，「先决定做哪个实验」可能比「先堆模型」更值钱。局限：这是单一反应类型上的验证，推广到其他反应仍需检验。

Advancing chemical reaction prediction in data-scarce drug discovery with active and geometric deep learning
Nature Computational Science, 2026/10/09