RetroChimera 提升大規模小分子合成預測
微軟研究團隊釋出 RetroChimera，一種用於大規模小分子合成預測的框架，並在 Nature 論文中展示其效能。RetroChimera 結合 R‑SMILES 2 與 NeuralLoc 兩種模型，通過學習式重排序實現更準確的合成路線預測。其開源實現已在 GitHub 上釋出，旨在加速藥物與材料研發。
推薦理由：RetroChimera 通過融合兩種模型提升化學合成預測，公開原始碼可加速藥物與材料研發。
#Microsoft
RSS 訂閱#Microsoft
RSSMicrosoft Research精選AI 評分6666
Microsoft ResearchAI 評分4747 GigaPath-Flash 與 GigaTIME-Flash：面向大規模發現的高效病理基礎模型
Microsoft Research 釋出了 GigaPath-Flash 與 GigaTIME-Flash 兩款高效病理基礎模型。GigaPath-Flash 採用 22M 引數 ViT‑S tile encoder 與 21M 引數 LongNet slide encoder，推理成本比原版低 50 倍，效能僅落後 3%。
Microsoft ResearchAI 評分5656 微軟研究院釋出 Skala 1.1 並拓展其在計算化學軟體中的整合
微軟研究院釋出深度學習密度泛函理論模型 Skala 1.1，在 GMTKN55 基準測試中表現優異，並宣佈已在 CP2K 中可用，同時正逐步整合至 Psi4、FHI-aims、ORCA 和 VASP 等主流計算化學軟體中。該版本使用比前代多 2.5 倍的資料訓練，在保持半局域泛函效率的同時提升了準確性，並推出了動態效能報告來追蹤跨硬體的計算效率。
Microsoft ResearchAI 評分4545 引入 CARE-X：通過輔助監督、獎勵對齊學習與工具增強測量邁向臨床有用的放射學 VLM
Microsoft Research 推出了研究模型 CARE-X，這是一款旨在兼顧自由文本推理與確定性輸出的統一胸部 X 光 VLM。該模型結合了生成式與判別式能力，並通過強化學習（DAPO）在多工設定中最佳化臨床準確性。研究還線上路實驗中搭配了 Qwen3-VL-4B-Instruct 與確定性測量工具以評估效能。