Awesome Auto Research Hub 论文 · 数据集 · 项目
← 返回论文列表

超越药物发现:纳米技术分子优化(NMO)基准

arXiv 2026 37.7 method

TLDR

提出纳米技术分子优化基准,用量子模拟,简单方法优于先进方法。

评分理由

Strengths include addressing domain transfer limitations and using physics-based tasks with surprising results. Weaknesses are reliance on simulations without real-world validation and narrow focus on molecular optimization.

Read-first 评分解释

综合优先阅读分 37.7,由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 7。

近期性 8%
100

使用温和的时间衰减,让近期论文更容易浮现,同时保留较早基础工作的价值。 年份:2026

方法质量 25%
70

检查可见的摘要与分析字段,寻找实验、数据集、基线、指标和局限性等方法证据。 命中信号:基线、基准、数据集、指标、结果

可复现性 25%
38

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。 论文:有;代码:无;数据:无;命中信号:数据集

主题相关性 42%
5.8

使用现有 LLM 关键词相关性评分,并归一化到 0-100。 关键词:AI scientist、automated scientific discovery、autonomous research agent、automated research、literature review agent、survey generation、automated experimentation、experiment design agent、AI for scientific research、paper writing agent、research automation、scientific discovery agent

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性:volatile;排名波动范围:24。

关键词评分

AI for scientific research
3
automated scientific discovery
2
automated research
1
research automation
1
AI scientist
0
autonomous research agent
0
literature review agent
0
survey generation
0
automated experimentation
0
experiment design agent
0
paper writing agent
0
scientific discovery agent
0

标签