分子大模型Uni-Mol+升级，加速量子化学属性预测，深势科技与北大研究登Nature子刊
北京，2024年8月27日 – 深势科技与北京大学合作，推出新一代分子大模型Uni-Mol+，并将其研究成果发表在《Nature Communications》上。Uni-Mol+ 拥有更大的参数量和更多预训练数据，展现出更强大的通用性，能够显著提高量子化学属性预测的准确性。
Uni-Mol+ 的突破在于利用三维构象进行精确的量子化学属性预测。传统的深度学习方法通常使用一维的SMILES或二维的图作为输入，难以实现高精度，因为大多数量子化学性质都依赖于精细的三维分子平衡构象。Uni-Mol+ 通过精心设计的模型主干和训练策略，克服了这一挑战。
Uni-Mol+ 的主要创新点包括：
- 基于构象优化的全新范例：Uni-Mol+ 利用从RDKit生成的构象到DFT平衡构象的构象优化，开发了一种用于量子化学属性预测的新范例。
- 混合采样策略：研究人员通过生成伪轨迹并从中采样策略，基于伯努利分布和均匀分布的混合，创建了一种用于三维构象优化的新训练策略。
- 双轨Transformer模型主干：Uni-Mol+ 的模型主干是一个双轨Transformer，由一个原子表示轨道和一个对表示轨道组成。通过原子表示的外积和三角算子，增强了对表示的原子到对的通信，并提升了三维几何信息的利用。
- 迭代更新构象：Uni-Mol+ 采用迭代过程不断更新三维坐标以达到平衡构象，并通过新颖的训练策略学习这一过程。
Uni-Mol+ 在基准测试中的优异表现：
Uni-Mol+ 在两个广受认可的基准PCQM4MV2和Open Catalyst 2020 (OC20) 上的性能明显优于之前的研究。这表明Uni-Mol+ 在预测量子化学属性方面具有显著的优势。
Uni-Mol+ 的应用前景：
Uni-Mol+ 的突破性进展将加速量子化学属性预测，为计算材料科学、药物设计、催化剂开发等领域带来新的可能性。它将帮助科学家更快速、更准确地预测材料的性质，推动新材料的发现和应用。
深势科技创始人兼首席执行官张林峰表示：“Uni-Mol+ 的发布标志着深势科技在分子大模型领域取得了重大进展。我们相信，Uni-Mol+ 将成为推动科学研究和技术创新的重要工具。”
北京大学化学与分子工程学院教授刘志教授表示：“Uni-Mol+ 的研究成果是深度学习与量子化学交叉融合的典范。它将为我们理解和预测分子性质提供新的视角，并为材料科学和药物设计等领域带来新的机遇。”
关于深势科技：
深势科技是一家专注于研发和应用人工智能技术的公司，致力于推动科学研究和工业应用的数字化转型。公司拥有世界领先的分子模拟和材料设计平台，并已在多个领域取得突破性成果。
关于北京大学：
北京大学是世界一流的综合性大学，拥有强大的科研实力和人才储备。在化学、材料科学、人工智能等领域，北大一直处于领先地位。
论文链接：
https://www.nature.com/articles/s41467-024-51321-w
【source】https://www.jiqizhixin.com/articles/2024-08-27-3
Views: 0