扩散与力匹配学习自由能面路线

研究者 Timothy Duignan 介绍了用扩散模型与力匹配（force matching）学习自由能面的分子模拟路线，流程包括收集位置与力的分布数据。他称模型已用量子化学数据训练，可在纳米/秒尺度上高精度模拟大量化学过程，下一步将生成数据集并训练粗粒化模型以进入更大尺度。

AI 化学模拟的数据来源与瓶颈引发争论，Timothy Duignan 介绍用扩散模型和力匹配学习自由能面的技术路线。质疑方指出，AlphaFold 依赖政府资助 50 年、累计耗资 200-300 亿美元的蛋白质数据；相关研究已使用量子化学数据推进。

AGI Hunt 呈现了一场围绕 AI for Science 数据瓶颈的争论：AlphaFold 依赖政府资助 50 年、累计投入 200-300 亿美元的单一蛋白质数据，其经验能否扩展至化学与生物模拟引发质疑。TimothyDuignan 回应称，团队已用量子化学训练可在纳米/秒尺度精确模拟大量化学反应的模型，下一步将生成数据训练粗粒化模型，以覆盖更大尺度。