跳到正文
  1. 奶牛猫的CADD实验室73

    机器学习力场SO3LR Tauri发布:训练覆盖85种元素,可模拟蛋白质与DNA体系

    研究人员发布机器学习力场SO3LR Tauri,用约1.48亿个量子化学结构训练,覆盖85种元素并提供三种规模模型。作者在Crambin蛋白质模拟中报告重原子RMSD约1.10 Å,在顺铂与DNA交联体系中无需额外约束即维持铂四配位,但水分子扩散速度约为实验值一半,单张AMD MI355X GPU上中等模型模拟5万原子体系约1.8 ns/day。代码、模型和训练数据已公开。

    推荐理由:该工作用同一机器学习力场覆盖85种元素并测试多种生物体系,同时给出水扩散偏慢与模拟速度的具体边界。

  1. Genesis Molecular AI58

    Caltech 与 Genesis 团队发布 DDAMO 论文并开源代码

    Caltech 的 Trevor Chen 与 @ariel_1214_ 共同主导,联合 Genesis 团队(@edunov、@gruver_nate)等作者发布论文 arXiv:2607.02834,并在 GitHub 开源代码 DDAMO。材料未披露研究任务、方法细节与实验结果。

  1. Mohammed AlQuraishi62

    OpenBind 发布首篇预印本,公开首批数据与新增虚拟筛选基准

    OpenBind 发布首篇预印本,对首批 OpenBind 数据发布做更正式的分析,并扩展了此前的博客内容。该预印本补充了更多方法细节和额外分析,公开了输出与代码,并新增一个虚拟筛选基准。

    推荐理由:OpenBind 首篇预印本公开首批数据与代码,并新增虚拟筛选基准,便于对照其数据与方法细节。

已经到底了