《喇叭基准》：面向少样本机器学习的时序溶剂选择数据集
机器学习
2025-12-01 v2 定量方法
摘要
机器学习有望改变实验室化学的格局，分子性质预测和反向合成方面已取得惊人成果。然而，化学数据集常常对机器学习社区不可得，因它们往往需要清洗、深入理解化学知识，或根本不存在。本文介绍了一个用于收益预测的新型数据集，提供了首个面向机器学习基准测试的瞬时流动数据集，覆盖超过 1200 种工艺条件。虽然以往数据集聚焦于离散参数，但我们的实验 setup 允许我们采样大量连续工艺条件，为机器学习模型带来了新挑战。我们聚焦于溶剂选择，这是一项特别难以从理论上建模，因而是机器学习应用的理想对象。我们展示了针对回归算法、迁移学习方法、特征工程和主动学习的基准测试，溶剂替换和可持续制造等重要应用。
引用
@article{arxiv.2506.07619,
title = {The Catechol Benchmark: Time-series Solvent Selection Data for Few-shot Machine Learning},
author = {Toby Boyne and Juan S. Campos and Becky D. Langdon and Jixiang Qing and Yilin Xie and Shiqiang Zhang and Calvin Tsay and Ruth Misener and Daniel W. Davies and Kim E. Jelfs and Sarah Boyall and Thomas M. Dixon and Linden Schrecker and Jose Pablo Folch},
journal= {arXiv preprint arXiv:2506.07619},
year = {2025}
}
备注
10 pages main, 22 pages total, 8 figures, 7 tables. Accepted to NeurIPS Datasets and Benchmarks track 2025