7.0
深览指数
科技量子位·思邈··AI 生成
一张GPU跑10万原子！分子之心用AI把化学反应“拍”成了电影
分子之心开发的AI反应性力场QuantaMind，能在单张GPU上以接近量子化学的精度，模拟十万原子级体系的数百纳秒化学反应，包括断键、成键、质子转移等动态过程，相当于将传统的“化学静态照片”升级为“催化电影”。文章详细介绍了其打破分子模拟精度、时间、规模“不可能三角”的技术路径，并通过从基础反应到完整酶催化循环的一系列验证展示了效果。适合对计算化学、AI for Science、蛋白质设计领域有基础了解的技术从业者或研究人员阅读。原文 ↗
核心观点
- ▍分子之心发布的反应性机器学习力场QuantaMind，通过数据、训练策略和稳定性优化三项创新，打破了分子模拟领域“精度、时间、规模”三者不可兼得的“不可能三角”，首次在单张GPU上实现十万原子级、数百纳秒的精确化学反应动态模拟。
- 01QuantaMind在发表在《Science Advances》的研究中，成功对一个包含17,792个原子的完整PET水解酶体系进行6纳秒连续模拟，完整跑通了质子转移、断键、成键及整个酶催化循环。
- 02在10万原子的扩展测试中，QuantaMind单步计算耗时约0.25秒，模拟时长达数百纳秒，且运行在一张普通GPU上，无需超算集群。
- 03QuantaMind的三大技术改进：使用5,286个化学反应关键瞬间数据训练，让AI见过“键正在断裂和形成”；通过“风格”特征学习整合不同精度来源的数据；针对特定体系进行“先模拟、再补课”的主动学习循环。
- 04在蛋白质酸碱度感知(pKa)测试中，QuantaMind估算的组氨酸滴定临界点(5.81)与核磁共振实验值(5.5)接近，表明能描述环境变化对蛋白质微观状态的影响。
- 05论文中，从PETase催化循环各阶段随机抽取的构型，经量子力学验证，与QuantaMind结果的吻合度超过0.99。
- 06分子之心创始人许锦波是AI蛋白质折叠领域的奠基人，其2016年提出的RaptorX-Contact是全球首个有效的AI蛋白质结构预测算法。
反方 / 局限
- — 文章未明确讨论QuantaMind在极度罕见或超大型体系（如百万原子）中的计算效率与稳定性瓶颈，也未与同期其他顶尖AI分子模拟模型（如DeepMind的GNoME等）进行直接性能对比，其通用性有待更多独立第三方验证。
8 分钟 · 4 卡片 · 12 资料
读原文 →