최근 화합물 라이브러리는 약 1000조 개에 이를 정도로 급격히 확장되고 있으며,

이로 인해 대규모 화합물 라이브러리에 대한 전수 도킹 기반 가상탐색은 계산 자원 측면에서 사실상 불가능해지고 있다.

본 연구에서는 전체 라이브러리의 0.1%만 도킹하고도 효과적인 후보 선별이 가능한 순위 학습 기반 스크리닝 프레임워크를 제안한다.

Hash 기반의 구조 다양성 샘플링과 Triplet Ranking 모델을 결합하여, 적은 수의 도킹 데이터만으로 전체 라이브러리에 대한 정밀한 순위 예측을 수행한다.