麻省理工学院研究团队开发的FASTSOLV模型结合新数据库BigSolDB，显著提升了有机固体在不同溶剂中的溶解度预测精度与速度，推动了分子性质预测技术的发展。

本研究利用线性回归和图卷积神经网络模型分析实验数据，预测分子溶解度。结果表明，GCNN模型性能最佳，线性回归模型揭示了化学影响机制，为新药设计提供了参考。未来应结合两者优势，推动高通量筛选的突破。