我認為，人工智慧在藥物發現中最有前景的方面之一是多模態的好處，以及為許多不同任務構建模型的能力。 在他2012年的文章中，概述了Eroom法則（藥物發現的研發效率呈指數下降），Jack Scannell對這個問題的一個“診斷”是“基礎研究-粗暴力量”偏見。 我們往往高估早期發現技術的規模化影響。通常，這些檢測的臨床成功的“預測有效性”較低。 人工智慧模型幫助解決這個問題的一種方式是，它們可以在發現的最早階段就納入更多具有轉化相關性的預測。 我認為這是Brandon和Alex在Axiom的願景的天才之處。通過減少與毒性測試相關的成本、時間和摩擦，它可以在發現過程中更早地進行——只要你有一個分子。 這是分子機器學習相對於早期計算化學努力的最激進的變化之一。 可以在一次前向傳遞中考慮大量不同的發現標準。