我认为，人工智能在药物发现中最有前景的方面之一是多模态的好处，以及为许多不同任务构建模型的能力。 在他2012年的文章中，概述了Eroom法则（药物发现的研发效率呈指数下降），Jack Scannell对这个问题的一个“诊断”是“基础研究-粗暴力量”偏见。 我们往往高估早期发现技术的规模化影响。通常，这些检测的临床成功的“预测有效性”较低。 人工智能模型帮助解决这个问题的一种方式是，它们可以在发现的最早阶段就纳入更多具有转化相关性的预测。 我认为这是Brandon和Alex在Axiom的愿景的天才之处。通过减少与毒性测试相关的成本、时间和摩擦，它可以在发现过程中更早地进行——只要你有一个分子。 这是分子机器学习相对于早期计算化学努力的最激进的变化之一。 可以在一次前向传递中考虑大量不同的发现标准。