这项由匹兹堡大学推敲与系统生物学系及CMU-Pitt推敲生物学博士神志连合完成的商讨，以预印本风物于2026年6月发布在arXiv平台，编号为arXiv:2605.31498v2，感兴致的读者可通过该编号查阅原文。

**一段对于分子"舞步"的困惑**

每一种分子，不论是药物分子照旧卵白质，都在不息地畅通——它们扭转、波折、振动，就像舞台上永不息歇的舞者。这些舞步的法规，决定了分子能不可和某个卵白质相连，能不可施展药效，以致决定了它在东说念主体内的红运。科学家把总计可能的舞步过火出现概率，称为"玻尔兹曼散播"——这是一张描述分子在特定温度下如何分拨自身姿态的概率舆图。

问题在于，这张舆图极难绘图。传统办法是让推敲机模拟分子的每一步畅通，就像用超慢动作影相机记载舞者每一毫秒的动作，再拼出齐备的跳舞画面。这种方法需要以飞秒（千万亿分之一秒）为步长推动，耗时极长，推敲量高大，何况分子很容易堕入某个固定姿势"卡死"，若何也跳不出来。更困难的是，只须分子结构稍有变嫌，就得从新重新模拟，毫无复用可能。

正因如斯，商讨者们一直在寻找更理智的替代决策。深度学习生成模子的兴起带来了新但愿——淌若能西宾一个神经网罗，让它径直"生成"顺应玻尔兹曼散播的分子构型，就能绕开漫长的模拟过程。然则，这里存在一个令东说念主头疼的轮回悖论：西宾这种模子，需要大批仍是处于均衡现象的分子构型数据；而获取这些数据，正好即是咱们率先想要管理的难题。

匹兹堡大学的商讨团队暴虐了一种名为SITA（可扩展推断时退火，Scalable Inference-Time Annealing）的新方法，试图冲破这个死轮回。这套决策的中枢想路，即是用一种"温度途径"战略，让模子像退火工艺一样，从高温渐渐冷却到室温，一步步学会在低温下精确描述分子的舞步散播。

**一、为什么"从高温启动"是个理智的首先**

退火，是冶金工东说念主的老本领：把金属加热到高温，再安宁冷却，让里面结构逐步罗列整都。分子模拟畛域早就借用了这个认识。在高温下，分子领有更多能量，梗概进步各样能量障蔽，解放探索总计可能的姿态；而在低温（比如室温300K）下，分子更倾向于瑟索在能量最低的几个姿态里，简直无法跳出去。

传统分子能源学模拟在低温下极易"卡死"，即是因为分子莫得富裕能量进步那些能量山丘，去探索其他构型。高温模拟则宽松得多，分子可以畅游通盘构型空间，躲避总计可能的"舞步"。

SITA恰是讹诈这一特色，先在1200K的高温模拟数据上西宾一个生成模子，让模子先学会高温下分子的"粗豪舞风"，再通过一系列全心筹划的门径，渐渐把模子指令向300K（室温）下更"保守"、更专注于顽劣量姿态的精确散播。这个过程，就像先教一个舞者学习解放随心舞，再一步步管理他学习古典芭蕾的严格措施。

**二、"温度途径"究竟若何走**

SITA的西宾过程分为四个周而复始的门径，通盘过程像是爬下一段楼梯，每走一步，模子对低温散播的清醒就更深一层。

第一步，商讨团队讹诈面前的生成模子（称为"流模子"，可以清醒为一个特地生身分子构型的神经网罗），在稍低一些的温度下批量产出分子样本。这里有一个精妙的手段：流模子本人不需要修改，只需变嫌输入的"噪声"开端的方差，就能让输出的样本更倾向于顽劣量现象。具体来说，淌若面前温度是1200K，主义是755K，那么只需将输入噪声的方差按照两个温度的比值收缩，模子就会自然地生成更顺应低温散播的样本。这种只需调整输入、无需重西宾模子的温度切换方式，是SITA的一大亮点。

第二步，用这批重生成的样本，西宾一个"能量模子"（EBM，Energy-Based Model）。能量模子的作用，是学习这批样本的概率密度——平庸地说，即是学会判断每个分子构型"有多大可能果真存在"。径直推敲流模子生成样本的精确概率，在高维度下需要推敲一个极其复杂的"雅可比行列式"（可以清醒为描述空间如何被变换的数学量），推敲量随分子解放度的增多急剧彭胀，完全不可行。能量模子则通过一种叫作念BoltzNCE的西宾方法，绕开了这个推敲瓶颈，用一个类似但高效的方式揣度出样本的概率。

BoltzNCE的西宾分两个部分：第一部分叫"分数匹配"，通过学习样本能量函数的梯度来管理能量的格式；第二部分叫"噪声对比揣度"，通过让模子远离不同时间点的样本来锚定能量的全都值。两者协力，使能量模子梗概给每个样本打出一个"概率分数"，而无需阅历发奋的推敲。

第三步，讹诈能量模子估算出的概率，推敲每个样本的遑急性权重。遑急性权重的含义是：这个样本在主义低温散播下，比拟在面前高温散播下，更应该被疼爱若干倍。推敲公式是用玻尔兹曼散播给出的果真低温概率，除以能量模子估算的高温概率。权重越高，阐发这个样本越顺应低温散播的特征。通过按这些权重对样本从新采样，就得到了一批"更像室温散播"的西宾数据。为了辞让极少数权重极高的样本主导通盘重采样适度（这会严重缩小样本各样性），商讨团队还对权重作念了99百分位截断处理。

第四步，用这批从新采样的数据，对流模子进行微调，让它更好地靠拢面前主义温度下的散播。微调完成后，通盘轮回从新启动，主义温度再降一个台阶。商讨顶用到的温度途径是：从1200K启航，顺序经过755.95K、555.52K、408.24K，最终到达300K。每一步都让模子对室温散播的清醒更进一步。

**三、与敌手的正面交锋：SITA凭什么说我方更好**

在这个畛域，最径直的竞争敌手是一个叫PITA（Progressive Inference-Time Annealing）的方法。PITA的想路与SITA有几分相似，通常是沿温度途径渐渐退火，但它选拔的是基于扩散模子的架构，并依赖一种叫"费曼-卡茨公式"的数学用具来估算样本的遑急性权重。这个估算过程，需要沿通盘生成轨迹积分推敲速率场的散度（可以清醒为推敲每一步生成过程中空间如何被"压缩"或"彭胀"），推敲量随分子解放度的增多呈祸殃性增长。对于唯有几十个解放度的丙氨酸二肽，这仍是很繁忙；对于更大的分子系统，基本上是不可行的。

SITA用能量模子替代了这个上流的散度积分，从根蒂上绕开了这个瓶颈。代价是引入了一丝类似谬误——能量模子毕竟不是精确的概率密度，而是一个类似揣度。这个类似会导致重采样后的散播不是精确的主义低温散播，而是一个"歪斜版块"，其偏差取决于能量模子与果真密度的差距。商讨团队坦率地承认了这一丝，并从表面上推导出了歪斜散播的风物。

然则，令东说念主巧合的是，这种带有类似偏差的方法，在实验基准上尽然全面越过了表面上更精确的PITA。

**四、用丙氨酸查考功力**

商讨团队在两个圭臬分子基准上测试了SITA：丙氨酸二肽（Alanine Dipeptide，ADP）和丙氨酸三肽（Alanine Tripeptide，ATP）。丙氨酸二肽是推敲化学畛域最经典的测试案例，就像机器学习畛域的MNIST手写数字识别，既富裕浅易，又能透露方法的要害裂缝。

评价目的主要有四个。"Rama-KL"揣测的是生成样本的构型散播与果真室温MD模拟之间的KL散度（一种揣测两个概率散播各异的数学量），数值越演义明躲避越全面、越精确，这个目的尤其对"模式崩溃"（即模子只生成少数几种构型）相配明锐。"Energy-W1"和"Energy-W2"揣测的是生成样本与参考样本在能量散播上的各异，分别对应一阶和二阶Wasserstein距离。"T-W2"则揣测样本在扭转角空间（即拉马钱德兰坐标，开云足球世界杯官方手机APP下载描述卵白质骨架波折方式的两个角度）上的二阶Wasserstein距离。

百家乐2026世界杯中国官方下载

在丙氨酸二肽上，SITA在Rama-KL（0.517±0.013）和Energy-W2（0.939±0.079）两项最遑急的目的上拿到了总计方法中的最好收货，显贵优于PITA（Rama-KL为4.773±0.460，Energy-W2为1.615±0.053）。有一个兴趣兴趣的细节：另一个叫MD-NF的基准方法，径直用300K的MD数据西宾，在Energy-W1这一目的上发扬最好，但它的Rama-KL极高（13.533±0.024），阐发它其实严重模式崩溃了——只生成了能量较低的几种构型，是以能量均值看起来可以，但躲避的构型空间极为有限。SITA生成的样本则躲避了丙氨酸二肽总计主要的构型盆地，与MD参考散播在拉马钱德兰解放能图上高度吻合。

在丙氨酸三肽上，SITA的上风更为隆起。PITA在莫得进行迥殊MD轻易（即用短时刻的MD模拟修正生成样本）的情况下，Rama-KL高达8.535，能量谬误更是飙升到86.270。SITA在完全不作念任何后处理的情况下，Rama-KL唯有0.361，Energy-W1为1.933。这意味着SITA生成的样履行量，径直越过了PITA加上MD轻易后处理的水平，此后者需要迥殊毒害3倍的能量推敲预算。

两个系统的有用样本比例（ESS，揣测重采样效果的目的，越高阐发权重散播越均匀）都处于较低水平——丙氨酸二肽在0.13到0.27之间，丙氨酸三肽在0.04到0.07之间。这阐发重采样过程中存在一定的样本浪费，但即便如斯，最终适度仍然优于其他方法，阐发SITA对样履行量的把捏相配准确，即使小数高权重样本也能有用指引模子向正确标的优化。

**五、还能更精确：孤独梅特罗波利斯-黑斯廷斯风雅**

对于追求极致精度的场景，商讨团队还筹划了一个可选的后处理门径：孤独梅特罗波利斯-黑斯廷斯（IMH）算法。

这个算法的旨趣，可以类比为一个抉剔的艺术评审。每次从流模子生成一个新的分子构型候选，然后评审团（由果真玻尔兹曼权重和能量模子共同构成）比较这个新候选与面前样本的"质料得分比"，淌若新候选彰着更好，就收受它；淌若差未几或更差，就以相应概率收受或拒绝。这个机制保证了最终保留住来的样本麇聚积逐步向果真散播靠拢。

表面上，淌若评审团使用的是精确概率，这个算法会敛迹到精确的主义散播。由于SITA使用的是能量模子类似概率，敛迹主义履行上是前边提到的阿谁"歪斜版块"的散播——商讨团队在论文中给出了严格的数学证明，阐发歪斜进度完全由能量模子与果真密度的偏差决定。

实验适度自满，在丙氨酸三肽上运行50步IMH后，Rama-KL从0.361进一步降至0.313，T-W2从0.798降至0.704，多神志的均有改善。比拟之下，另一种浅易的遑急性重采样后处理（SITA-IS）自然在能量谬误上更低，但Rama-KL出现了恶化，阐发样本各样性受损。IMH则在改善能量精度的同期，较好地保持了构型空间的躲避，代价是迥殊需要5×10?次能量推敲（而通盘预西宾阶段需要5×10?次，这个支出相对可以收受）。

**六、对于评估方式的一场"较真"**

SITA论文中还特地辟出一节，指出了竞争方法PITA在评估目的上的两处方法论问题，这在学术界算黑白常径直的品评。

第一个问题是TICA（时刻滞后孤独重量分析）评估中的滞后时刻弃取。TICA是一种分析分子能源学轨迹慢模式的技术，其投影适度对滞后时刻参数极为明锐。PITA对丙氨酸三肽使用了滞后时刻10，对丙氨酸二肽使用了滞后时刻100。过小的滞后时刻会让TICA捕捉到高频振动和热噪声，而非信得过有物理兴趣的慢构型荡漾，从而使基于TICA的评估目的失去远离模式躲避才智的贤达度。

第二个问题是MD参考轨迹的降采样方式。PITA取轨迹的前10000帧手脚参考散播，但MD轨迹帧之间存在强时刻关联性，前10000帧频频相聚于轨迹肇端的少数构型，无法代表齐备的均衡散播。使用这种有偏参考来评估模子，会让那些通常模式崩溃的方法因为与有偏参考"匹配得好"而得回乖谬的高分。SITA团队因此改用均匀间隔采样的方式选取参考帧，适度发现总计方法在这种更公说念的评估下发扬均有变化，而SITA的上风在这种更严格的评估下愈加显贵。

这一较真细节，体现了商讨者在方法论层面的严谨气魄——评估方式的细节，通常能决定"谁更好"的论断。

**七、模子架构背后的技术弃取**

SITA的流模子使用了一种叫GVP-GNN（几何向量感知图神经网罗）的架构，这是一种特地为分子筹划的神经网罗，梗概保持物理系统的基本对称性：不论分子在空间中若何旋转、平移，模子给出的物理量预计值应当保持不变或协变。这种对称性管理大大减少了模子需要学习的冗余信息，提高了学习效果。

能量模子则选拔了Graphormer架构，这是一种为图结构数据筹划的Transformer变体。Transformer原来是处理自然谈话的神经网罗，Graphormer通过在注见解机制中加入分子内原子间距离矩阵手脚结构偏置，使其梗概有用处理三维分子构型。在SITA中，这个距离信息被径直注入注见解推敲，让模子自然具备对分子三维几何的感知才智。

两个模子的西宾都使用了三角函数插值（αt=cos(πt/2)，βt=sin(πt/2)）手脚立地插值框架的挽回函数，这种弃取能让插值旅途在时刻上更均匀，幸免西宾信号在某些时刻段过于相聚。优化器使用Adam，合作Reduce-on-Plateau学习率挽回，在亏蚀罢部属降时自动缩小学习率。总计实验在单张NVIDIA L40 GPU上完成，每张显卡配备46GB显存。

**八、这套方法的局限与改日**

商讨团队相配坦率地阐发了SITA引入类似的代价。由于能量模子仅仅流模子散播的类似，重采样后的散播并非精确的主义低温散播，而是受能量模子精度影响的歪斜散播。面前实验中有用样本比例较低（丙氨酸三肽最低唯有0.045），阐发重采样效果还有较大晋腾飞间。

此外，SITA当今只在微型分子系统上测试，对于更大的卵白质或药物分子，能量模子的类似精度是否富裕、流模子的抒发才智是否富裕，仍然是通达的问题。商讨团队将架构优化、跨分子系统的搬动才智，以及应用到更大分子系统的可行性，列为改日主要商讨标的。

归根结底，SITA代表的是一种"以类似换范围"的工程玄学：在精确性上作念出可收受的败北，换来在更大系统上的可行性。在分子模拟这个高维度的畛域，这频频是通往实用的独一都径。

当分子生物学家和药物研发者濒临一个全新的卵白质靶点时，淌若能用SITA这么的用具在数小时内生成可靠的室温构型散播，而不是恭候数周的MD模拟，这种效果上的质变，可能径直影响到下一代药物从实验室走向临床的速率。而这，才是这场对于分子"舞步"的商讨，与闲居东说念主最果真的关联。

---

Q&A

Q1：SITA方法与传统分子能源学模拟比拟，在推敲效果上有多大上风？

A：SITA的主要效果开端于两点。第一，它用神经网罗径直生身分子构型，幸免了传统MD模拟以飞秒步长渐渐推动的发奋支出；第二，它用能量模子替代了精确散度积分，幸免了随分子解放度增长而急剧彭胀的推敲量。在实验中，通盘预西宾加退火过程毒害约5.08×10?次能量推敲，比敌手PITA在丙氨酸三肽上需要的8×10?次少约37%，且无需迥殊MD轻易后处理。

Q2：SITA中的能量模子类似会不会让生成的分子构型不准确？

A：会引入一定偏差。能量模子估算的是流模子散播的类似密度，而非精确密度，导致重采样后的散播是主义散播的"歪斜版块"，偏差大小取决于能量模子与果真密度的差距。商讨团队在表面上推导了这个偏差的风物，并指出唯有当能量模子与流模子散播完全一致时，才能精确收复主义散播。尽管存在这种类似偏差，实验适度自满SITA在多个目的上仍优于其他方法。

Q3：SITA的温度途径中温度点是若何选的，能不可径直从1200K跳到300K？

A：温度点的弃取影响遑急性权重的质料，跨度越大，相邻温度散播各异越大，有用样本比例会急剧下落。SITA选拔755.95K、555.52K、408.24K、300K四步过渡，每步约缩小约26%的温度，以保证富裕高的有用样本比例（丙氨酸二肽约13%~27%）。若径直从1200K跳到300K，两个温度下的玻尔兹曼散播各异极大，简直总计生成样本的权重都会趋近于零开云足球世界杯(官方)APP下载IOS/Android通用版/手机app，重采样简直失效，西宾数据质料会严重劣化。