TMol 论文发布:把 Rosetta 全原子分子能量搬进 PyTorch 可微分层

gottapatchemall · x · 2026-11-19

DidiKieran 在 RFD4-Proteina 讨论串中预告后,正式发布 TMol 论文(arXiv 已上线)。TMol 实现 Rosetta 风格的全原子能量计算,结合 GPU 批处理与 PyTorch 梯度,把分子能量学直接嵌入深度学习模型。

支持对象涵盖蛋白质、L/D 残基、β/γ 骨架、小分子、修饰 DNA/RNA、翻译后修饰(PTM)、N-甲基肽、环肽、金属/辅因子等,通过 PoseStack 组织输入,提供 Score、Minimize、Repack、FastRelax、可微分等操作——本质是把物理能量项与深度学习端到端融合,可用于蛋白质设计与分子模拟。

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →