BioEmu2 全流程教程与实测：微软开源全原子生物分子结构与动力学模型
作者在 Linux + conda + NVIDIA RTX 4080 SUPER 上实测微软 BioEmu2 全原子扩散模型，对腺苷酸激酶 ADK 和肌红蛋白各生成 8 个初始候选、从同一起点推进 4 条轨迹，每条 20 次、每次 50 ns，覆盖 1 μs 模型时间，80 个推进端点全部通过几何检查。
推荐理由：作者在单卡上实测微软 BioEmu2 的结构预测与时间推进流程，给出可复用的参数设置与耗时数据。
#全原子扩散
BioAICraft精选AI 评分6060
机器之心 · AI4Science精选AI 评分6767 至知创新研究院发布分布式计算系统Tessera，在512张GPU上完成约3070万原子分子动力学计算
至知创新研究院在论文中提出分布式计算系统Tessera，基于E2Former V2架构的UBio-MolFM模型，在512张GPU上完成约3070万原子的完整能量与受力计算，单步耗时1.684秒，扩展效率89.7%。
推荐理由：该工作把多层等变机器学习力场扩展到数千万原子，并给出弱扩展效率与千万原子轨迹的结构统计对照。
Corin Wagen精选AI 评分5858 Corin Wagen 用约250美元算力在 Modal 完成无人工代码的分子模拟项目
Corin Wagen 称其最终项目在 Modal 上花费约250美元，且不涉及任何人工编写的代码。他随后发布完整写作，认为分子模拟正在发生变化，可以模拟更多体系并更具雄心，并附上关于羰基-烯烃复分解建模的博客链接。
推荐理由：作者以约250美元算力成本完成无人工编写代码的分子模拟项目，为评估自动化建模的可行性提供了一手参照。
Pranam Chatterjee精选AI 评分6363 ActFlow：用不确定性引导与验证器反馈扩展流模型与扩散模型的可生成空间
Pranam Chatterjee 转发介绍 ActFlow，这是一种持续预训练方案，通过不确定性引导探索和验证器反馈，让流模型与扩散模型扩展到新的有效区域，作者称之为可生成集合扩展，并将其定位为面向分布外生成建模的新学习原则。
推荐理由：该工作提出用不确定性引导探索与验证器反馈扩展生成模型可达的设计空间，为分布外生成提供可迁移思路。
望石智慧AI 评分2828 BIO 2026特别对话：医药魔方 × 望石智慧共话AI制药机遇与全球化风向
望石智慧在BIO 2026国际大会期间与医药魔方围绕「中国创新走向世界」展开对话，并展出小分子药物研发技术平台及智能体产品。公司介绍AI 3D分子生成平台MolVado融合大语言模型与几何深度学习、依托电子云密度数据实现3D分子生成，全栈式早研智能体MolVortex可自主拆解任务、调度工具并联动湿实验室形成干湿闭环。
Genesis Molecular AIAI 评分3636 Genesis分子AI将在ICML首尔GenBio 2026展示DeCAF
期待下周在首尔@icmlconf举办的GenBio 2026研讨会。 ➡️ 高级员工ML研究科学家Pranav Murugan将展示聚光灯海报："Few-step Cofolding with All-Atom Flow Maps"，介绍DeCAF——Pearl的蒸馏版本，专为少步推理构建：https://arxiv.org/abs/2606.08375 ➡️ 关于我们自豪地联合赞助的研讨会的更多详情：https://genbio-workshop.github.io/2026/
Valence Labs 官网资讯精选AI 评分7272 Valence Labs 发布全原子显式溶剂玻尔兹曼采样模型 AquaGen
Valence Labs 发布 AquaGen，称其为首个全原子、显式溶剂、考虑周期性边界条件的生成模型，可从玻尔兹曼分布生成分子构型。该模型用 3D 图神经网络将噪声转为药物分子与水的全原子三维排布，再以力场评估能量、以灰盒方式计算绝对水合自由能，约需数百个样本即可获得相对 MD 参考约 1 kcal/mol 误差的结果，速度约为 MD 的 10 倍。
推荐理由：介绍首个全原子显式溶剂玻尔兹曼采样模型，说明其相对分子动力学的速度与误差权衡。