Gen-COMPAS：扩散模型提候选、分子动力学验证稀有跃迁
bravo_abad · x · 2026-09-17
- 背景：蛋白质折叠、膜转运等稀有分子事件需微秒以上时标，常规模拟大部分时间在「等有趣的事发生」。
- Gen-COMPAS 的思路是让生成模型不取代分子动力学，而是提出跃迁可能发生的合理中间结构，再由真实分子哈密顿量下的 MD 测试与精修。
- 工作流：生成候选 → 物理检验 → 保留有希望的过渡态 → 重训 → 循环；一个学习到的 committor 函数把搜索聚焦在落向两端概率约各半的结构上，正是稀有跃迁发生之处。
- 在 Trp-cage 蛋白质上验证了该流程，展示「生成模型提议、物理裁决」的 AI for Science 范式。
「研究」频道最新
- Google DeepMind Dream-RSI论文:把研究过程本身变成可自我改进的对象 — McDonaghMatthew · 2026-09-17
- Google DeepMind等发布Dream-RSI,实验记录可复用助力递归自我改进 — McDonaghMatthew · 2026-09-17
- MIT 机器人船群水上自组装搭桥，登 Nature — lukas_m_ziegler · 2026-09-17
- DeepMind 开源果蝇全身仿真，59 维动作空间可在笔记本上飞 — anthara_ai · 2026-09-17
- 小鹏发布 XPACE 具身世界模型，IRON 机器人用未来模拟学恢复 — CyberRobooo · 2026-09-17
- 新型稀疏模型附赠廉价归因方法：max-pooling 可把输出映射回输入词 — antoine_chaffin · 2026-09-17