分子之心 QuantaMind 实现十万原子级化学反应模拟
QuantaMind 让 AI 学会化学反应发生的瞬间，在单张 GPU 上同时推进精度、时间与规模，跑通十万原子级反应模拟。
分子之心发布 QuantaMind：一种用神经网络学习高精度量子化学数据的分子模拟模型。它能在单张 GPU 上模拟十万原子级体系、连续追踪数百纳秒，让质子转移、断键、成键等反应过程被完整记录下来，精度接近量子化学计算。
正文摘录
- title: 一张 GPU 跑 10 万原子！分子之心用 AI 把化学反应“拍”成了电影 - sourcecompany: 量子位 - bodymarkdown: 最新扩展测试中，QuantaMind 已能够以接近量子化学计算的精度模拟十万原子级体系数百纳秒的反应，单步计算耗时仅约 0.25 秒； 而在发表于《Science Advances》的研究中，它已经在一个包含 17,792 个原子的完整 PET 水解酶体系中连续模拟 6 ns，让质子转移、断键、成键，直到完整酶催化循环，都在计算机里一步步清晰地发生。 要把“拍电影”变成现实，首先得跨过分子模拟领域长期存在的一个“不可能三角”，即 精度、时间、规模 三者不可兼得——要精度就得牺牲规模和时间，要规模就得牺牲精度。 一类是 高精度计算 （如量子力学方法），能看清化学反应的每一个细节，但计算量巨大。 在大型体系上的算力成本和耗时都很高，实际研发中难以直接运行这类计算，通常只能算几百上千个原子、几万亿分之一秒的极短瞬间。 另一类是 传统分子模拟 ，能跑数万乃至百万原子、更长的时间，规模最高可达前者的上千倍，但它假设分子结构是固定的，不会成键断键。酶催化、酸碱反应这类过程，它天然“看不见”。 近年来兴起的 AI 分子模拟模型，试图用神经网络学习高精度计算数据，兼顾精度与速度，已成为国际前沿机构持续投入的热点。 但多数模型的训练数据只来自分子稳定状态下的样子，没见过“反应正在发生的那个瞬间”，遇到化学反应就露怯；而且在大型生物体系的长时间模拟中难以维持稳定性，规模上仍受限。 针对上述 AI 模型的短板，QuantaMind 做了三件事，即在保持精度的同时，把速度和规模提上去。 论文用 5,286 个化学反应的关键瞬间数据训练模型，让 AI 真正见过“化学键正在断裂、正在形成”的样子。