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。
「研究」频道最新
- 「物理停滞 50 年?」PRL 新论文用摩擦加热解释冰为什么滑 — CatAstro_Piyush · 2026-11-19
- ELLIS图宾根安全团队公开horizon-labs智能体轨迹数据集 — NielsRogge · 2026-11-19
- Noam Brown 确认「解纳维-斯托克斯」的是强数学模型,haider 推测为数学微调版 — haider1 · 2026-11-19
- UVA 学者 11 月 18 日在线讲 LLM 自动生成心理测量题目的新框架 — GolinoHudson · 2026-11-19
- 学者称同行评审体系已到临界点,会议规模越大越难维系 — LucaAmb · 2026-11-19
- 上海 AI Lab 发布 GameRealm:1.2 亿帧游戏画面训练视觉基础模型 — Shanghai-AI-Laboratory · 2026-11-19