AIMBio-Mat：面向闭环材料发现与生物医学转化的 AI 原生 FAIR 平台
应用物理
2026-05-21 v1 机器学习
生物物理
医学物理
摘要
材料发现和生物医学转化日益需要能够在成分、加工、结构、生物响应、制造性、安全性和治理约束之间进行推理的模型。现有的材料和生物医学数据生态系统功能强大，但仍然 poorly coupled for AI-guided discovery。本文提出 AIMBio，一个面向 AI 原生、FAIR 且具有治理意识的决策层的概念框架，将材料来源、生物医学背景、知识图谱、不确定性感知机器学习和人类在环主动学习相链接。该框架将生物医学-材料发现表述为不确定性下的受约束多目标优化，并提出实际要求，包括元数据、模型文档、风险分级治理、评估指标和分阶段实施。为使路线图可测试，我们添加了最小可行原型规范和一个用于 AI 引导纳米材料用于药物递送的工作示例。AIMBio 定位为探索性和前临床发现基础设施，而非临床决策支持软件；任何临床或受监管设备用途都需要单独的验证、变更控制和监管审查。其核心贡献是为将碎片化的材料和生物医学记录转换为可审计、可实验且具有翻译责任的发现工作流程提供可发布的平台蓝图。
引用
@article{arxiv.2605.21083,
title = {AIMBio-Mat: An AI-Native FAIR Platform for Closed-Loop Materials Discovery and Biomedical Translation},
author = {D. -M. Mei and K. Acharya and C. M. Adhikari and M. Adhikari and S. Aryal and B. V. Benson and K. Bhatta and S. Bhattarai and N. Budhathoki and A. M. Castillo and D. Chakraborty and S. Chhetri and S. Choudhury and T. A. Chowdhury and R. D. Cruz and B. Cui and S. Dhital and K. -M. Dong and R. Gapuz and A. Ghasemi and E. Z. Gnimpieba and B. D. S. Gurung and H. A. Hashim and R. I. Harry and K. -E. Hasin and M. K. Hassanzadeh and M. K. Jha and D. Kim and K. -C. Kong and B. Lama and A. Mahat and N. Maharjan and A. Majeed and J. Mammo and M. M. Masud and K. S. Moore and A. Nawaz and H. Oli and S. A. Panamaldeniya and L. Pandey and R. Pandey and Z. Peng and A. Prem and M. M. Rana and K. Rana Magar and R. Rizk and C. S. Tadi and L. -W. Wang and Y. Yang and G. -L. Yin and C. -X. Yu and D. Zeng and M. Zhou and Q. Zhou},
journal= {arXiv preprint arXiv:2605.21083},
year = {2026}
}
备注
35 pages, 4 figures, and 12 tables