Badacze zaproponowali nową metodę poprawy zdolności modeli AI do przewidywania właściwości molekuł w scenariuszach, gdzie dane testowe różnią się od treningowych. Zamiast uczyć się na wszystkich dostępnych danych, model inteligentnie wybiera najbardziej odpowiednie próbki treningowe dla każdego konkretnego celu. Podejście to jest ważne dla chemii obliczeniowej i odkrywania leków, gdzie generalizacja na nowe molekuły jest kluczowa.