OPDiv：用于高分且多样化候选化合物最优筛选的算法
针对虚拟药物筛选中候选分子众多但实际合成与测试资源受限的痛点，研究人员提出了OPDiv多样性选择与评估算法。在化合物筛选过程中，高预测分数与分子结构多样性往往存在权衡取舍。该算法基于整数优化技术，能够在保证化合物高评分的同时最大化样本多样性，自动计算出最优的Top-K分子子集，为药物发现后期的合成验证提供更高效的决策支持。
推荐理由提出了一种基于整数优化的分子筛选算法，有效解决了AI药物发现中化合物评分与结构多样性难以兼顾的核心权衡难题。
原标题：OPDiv: Optimal Selection of Top-K High-Scoring, Diverse Compounds
阅读 arXiv 机器学习 原文 ↗