分子之心 QuantaMind 登《Science Advances》AI 動態反應模擬突破
為何重要
QuantaMind 的發表宣告 AI 分子研發從「靜態結構預測」正式跨入「動態機制理解」新階段。它解決了反應力場在大型生物體系失效與精度下降的行業痛點，將原本依賴多輪實驗摸索的酶工程與抗體最佳化，轉變為可計算、可指導設計的「先算後測」流程，大幅降低生物製藥 R&D 的試錯成本與週期。
AI 回答分子「長什麼樣」後，如何理解其「如何工作」是關鍵。分子之心自主研發的反應性原子建模平臺 QuantaMind 發表於《Science Advances》，首次將接近密度泛函理論精度的反應性分子動力學推進至數萬甚至十萬原子級的生物體系，並穩定模擬至百納秒尺度。
- 規模與時效突破：論文中驗證的最大體系為 24,001 原子與 20 納秒，最新擴充套件測試已達到十萬原子級與百納秒尺度；成功在 6 納秒內跑完 17,792 原子的 PETase 酶催化迴圈。
- 效能與精度：在 NVIDIA A100 80GB 上，最新測試推理速度達 2.1×10⁻⁶ 秒/原子/步；選取的 342 個構型力場分量與參考 DFT 的 Pearson 相關係數超過 0.99。
- 場景應用：在 pH 敏感抗體設計中，計算端便可在 pH 6.0 下預測出高達 pH 7.4 下 62 倍的解離速率差異，將實驗試錯前置為計算分析。