“微软亚研院AI突破Nature，诺奖级蛋白研究续写辉煌”

微软亚洲研究院宣布，经过四年潜心研究，其AI for Science团队成功研发出AI驱动的从头算生物分子动力学模拟系统——AI²BMD。该系统已突破传统限制，发表于国际顶级科学期刊《Nature》，标志着我国在人工智能与生物科学领域取得的重大突破。

AI²BMD能够以全原子级别的分辨率高效模拟含有超过10000个原子的各类蛋白质，其精度接近从头计算（第一性原理）水平，同时计算速度比传统密度泛函理论（DFT）快数个数量级。这一创新成果为生物分子动力学模拟领域带来了革命性的改变。

微软研究院院长李飞飞亲自为这项研究背书，表示AI²BMD有望彻底改变我们对生物学和药物发现的认知。网友们纷纷表示，这项研究极具吸引力，可能对相关领域产生颠覆性影响。

AI²BMD的成功研发，得益于团队精心设计的通用蛋白质分片方法和基于ViSNet的通用分子几何建模基础模型。通过机器学习训练势能函数，AI²BMD在模拟过程中能够以从头计算的精度计算蛋白质的能量和原子力。

与传统分子动力学模拟相比，AI²BMD在保持高精度的同时，解决了机器学习力场在模拟蛋白质动力学中的泛化问题，实现了对多种蛋白质的稳健模拟。此外，AI²BMD将量子力学建模从局部区域扩展到整个蛋白质，消除了量子力学与蛋白质分子力学计算之间的不兼容性。

AI²BMD在分子动力学模拟领域取得了以下突破：

1. 从头计算精度：AI²BMD引入了可泛化的“机器学习力场”，实现了具有从头算精度的全原子蛋白质动力学模拟。

2. 解决泛化问题：AI²BMD是首个解决机器学习力场在模拟蛋白质动力学中泛化挑战的方法。

3. 通用兼容性：AI²BMD将量子力学建模从局部区域扩展到整个蛋白质，无需先验知识。

4. 速度优势：AI²BMD的计算速度比传统DFT快数个数量级。

5. 多样构象空间探索：AI²BMD能够探索更多蛋白质分子力学无法检测到的可能构象空间。

6. 实验一致性：AI²BMD在蛋白质折叠自由能和不同现象方面，表现出与传统分子动力学模拟一致的结果。

AI²BMD的出现为药物发现、蛋白质设计和酶工程等领域的新生物医学研究提供了强大支持，为生物分子动力学模拟领域开启了新篇章。