学者激辩：机器学习势在蛋白质模拟上尚未证明优于经典力场
TimothyDuignan · x · 2026-10-28
分子模拟领域的学者围绕机器学习势(MLIP)能否取代经典力场展开争论。
- Timothy Duignan 指出：经典力场若不经大量实验拟合，连水中氯化钠的活度系数都算不准；这说明经典力场依赖经验参数化、不可扩展。
- Lindorff Larsen 回应：新一代 MLIP 确实让纳秒级、量子化学精度的蛋白质模拟变得容易，但对「标准」生物分子问题，尚无证据表明 MLIP 比经典力场更准，精度仍待验证，且纳秒级模拟 30 年前就能做。
- Duignan 补充：锌离子配位结构(四面体 vs 八面体)的手工拟合至今仍是未解难题，同时他不排除经典力场自身快速改进、最终在许多应用上反超 MLIP。
所属事件:MLIP与经典力场激辩：精度、数据与可扩展性之争(5 条相关)→
「研究」频道最新
- RAX让真机器人探索2小时自学技能，再把技能写成代码复用 — du_yilun · 2026-10-28
- 一个模型如何教另一个模型做决策？三种技术路线拆解 — TheTuringPost · 2026-10-28
- ML 模型预测延寿化合物，线虫实验准确率达 80.36% — Dr_Singularity · 2026-10-28
- 台大团队发布 MQAScore：五维度细粒度评测文生音乐对齐 — affige_yang · 2026-10-28
- OpenTac 触觉传感器将亮相 CoRL 2026,共 17 组机器人演示 — _krishna_murthy · 2026-10-28
- CellTrack-Bench：VLM 显微细胞追踪基准暴露推理短板 — biohub · 2026-10-28