CIRPIN 用循环置换训练 GNN，识破蛋白质结构搜索的位置盲区
bravo_abad · x · 2026-09-08
Kolodziej 等人提出 CIRPIN：两条蛋白质的 3D 折叠可以基本相同，但链的起止位置不同，传统结构搜索模型的嵌入仍编码了位置信息，导致漏检这类关系。
做法：
- 用蛋白质结构的合成循环置换数据训练 E(n)-等变图神经网络
- 采用监督对比学习，让同一结构拓扑的不同重排结果在嵌入空间中靠近
- 关键点：不是丢弃位置信息，而是教会模型位置信息的哪些变化不应影响判断
这样即可发现传统结构搜索无法发现的蛋白质关系。
「研究」频道最新
- Terry Tao 撰文评 Buckmaster 团队构造流体方程爆破解 — LucaAmb · 2026-09-08
- ECCV 2026 将办交互式社交 Avatar 研讨会，Zisserman 等主讲 — JonathonLuiten · 2026-09-08
- 给黑盒 LLM 建主动监控:自动化边界该画在哪? — Particular-Roof4257 · 2026-09-08
- NYU 数学家称用 LLM 月内攻克流体爆破难题，指控 OpenAI 抢发除名 — dotey · 2026-09-08
- EmbodiedSkills:统一编排、训练与部署 VLA 机器人技能的框架 — Wei Wang · 2026-09-08
- On-Policy 自蒸馏的批判性综述:一个症状,三个杠杆 — OVHaiLLM · 2026-09-08