AI 已经能预测蛋白质「长什么样」了，但很多人没意识到：真正决定它怎么干活的，是它「动起来」的样子。 比如酶催化时质子怎么转移、化学键怎么断和连、药物和靶点结合后形状怎么变——这些发生在纳秒、原子尺度上的动态过程，才是分子功能的关键，也是计算化学几十年没攻克的难题。 国产 AI 把「动态分子」算进了十万原子级据量子位报道，分子之心自研的反应性原子建模平台 QuantaMind，相关研究已登上《Science Advances》。据官方介绍，它首次把接近密度泛函理论（DFT）精度的反应性分子动力学，推进到了「数万原子级体系、数十纳秒时长」——论文提交后的扩展测试，更是做到了十万原子级、百纳秒尺度。 此前这道题一直卡在「不可能三角」：要精度就得牺牲速度（传统量子化学极其昂贵），要大体系长时间又没法描述反应（经典分子动力学算不了化学键断裂与生成），已有机器学习力场在小分子还行、一到大生物体系长时间跑就不稳。 它到底算得准不准？据论文披露，在最关键的生物体系验证中，QuantaMind 对含 17792 个原子的 PET 水解酶做了 6 纳秒模拟，跑完了完整催化循环；团队再从反应轨迹里抽 342 个构型做独立 DFT 比对，原子力分量的相关系数均超过 0.99。此外，水中质子扩散、水自解离、蛋白质质子化等验证结果，也都和实验值对得上。 值得一提的还有效率：论文口径下，约 1.8 万原子体系每纳秒模拟约需 20 小时；最新测试把十万原子级反应体系单位时间步的耗时降到了 0.25 秒。 对普通人意味着什么简单说，药物和酶的设计正从「盲目试错」转向「先算再测」。据分子之心介绍，在一项延长半衰期的 pH 敏感抗体设计项目中，QuantaMind 辅助设计的候选抗体在 pH6.0 下的解离速率达到 pH7.4 下的 62 倍——过去这类结果往往要靠多轮湿实验碰运气。它也将被集成进分子之心的 AI 生物研发操作系统 MoleculeOS。 论文通讯作者、分子之心创始人许锦波表示，过去 AI 学会了回答分子「长什么样」，下一步希望回答它「为什么这样运动、为什么这样反应」。 来源：量子位《分子之心QuantaMind登Science Advances，让AI给分子世界"拍电影"》 原文链接：https://www.qbitai.com/2026/09/489023.html |
