Ruinan Wang

机器学习筛出的候选远多于能实验验证的数量，筛选过程需要在验证前控制风险。UNEC把预测裕度按局部不确定性归一化，再用留出损失直接校准选择截断，不构造共形p值或e值，支持一般有界损失与逐观测阈值。在溶解性、毒性和亲脂性三类分子筛选任务上，它保持与共形选择、NP方法和SCoRE各变体相当的风险—功效权衡；模拟中全网格每次重复约1.3秒，SCoRE约35至37秒。

机器学习筛出的候选远多于能实验验证的数量，筛选过程需要在验证前控制风险。UNEC把预测裕度按局部不确定性归一化，再用留出损失直接校准选择截断，不构造共形p值或e值，支持一般有界损失与逐观测阈值。在溶解性、毒性和亲脂性三类分子筛选任务上，它保持与共形选择、NP方法和SCoRE各变体相当的风险—功效权衡；模拟中全网格每次重复约1.3秒，SCoRE约35至37秒。