10万个原子，一张GPU，就能开始跑精确的化学反应。
这是分子之心最新反应性机器学习力场QuantaMind正在推进的计算尺度。
最新扩展测试中，QuantaMind已能够以接近量子化学计算的精度模拟十万原子级体系数百纳秒的反应，单步计算耗时仅约0.25秒；
而在发表于《Science Advances》的研究中，它已经在一个包含17,792个原子的完整PET水解酶体系中连续模拟6 ns，让质子转移、断键、成键，直到完整酶催化循环，都在计算机里一步步清晰地发生。
AI不只是给分子“拍照”，现在开始给真实化学反应“拍电影”。
困局：精度、时间、规模的不可能三角
要把“拍电影”变成现实，首先得跨过分子模拟领域长期存在的一个“不可能三角”，即精度、时间、规模三者不可兼得——要精度就得牺牲规模和时间，要规模就得牺牲精度。
过去，分子模拟主要依靠两类计算方法，但它们各自只能解决“不可能三角”的一部分。
一类是高精度计算（如量子力学方法），能看清化学反应的每一个细节，但计算量巨大。
在大型体系上的算力成本和耗时都很高，实际研发中难以直接运行这类计算，通常只能算几百上千个原子、几万亿分之一秒的极短瞬间。
另一类是传统分子模拟，能跑数万乃至百万原子、更长的时间，规模最高可达前者的上千倍，但它假设分子结构是固定的，不会成键断键。酶催化、酸碱反应这类过程，它天然“看不见”。
近年来兴起的AI分子模拟模型，试图用神经网络学习高精度计算数据，兼顾精度与速度，已成为国际前沿机构持续投入的热点。
但多数模型的训练数据只来自分子稳定状态下的样子，没见过“反应正在发生的那个瞬间”，遇到化学反应就露怯；而且在大型生物体系的长时间模拟中难以维持稳定性，规模上仍受限。
破局：三步让AI同时拿到精度、速度和规模
针对上述AI模型的短板，QuantaMind做了三件事，即在保持精度的同时，把速度和规模提上去。
0
评论 (0)