meta公司近期宣布了兩項重大突破，為化學研究和應用開辟了新的道路。他們發(fā)布了OMol25，這是迄今為止規(guī)模最大的AI驅(qū)動化學開放數(shù)據(jù)集，并同步推出了UMA，一個通用的人工智能模型，專門用于預測分子和材料化學性質(zhì)。

OMol25數(shù)據(jù)集包含了超過1億次的分子計算數(shù)據(jù)，其規(guī)模遠遠超越了以往任何同類公開數(shù)據(jù)集。meta為此投入了超過60億小時的計算資源，以確保數(shù)據(jù)的精確性和全面性。該數(shù)據(jù)集覆蓋了廣泛的分子類型，從小型有機化合物到生物分子，再到金屬復合物和電解質(zhì)，一應俱全。它還包含了分子的多種狀態(tài)、空間排列以及化學反應的相關信息，提供了詳盡的化學性質(zhì)數(shù)據(jù)，如能量、力值、電荷分布和軌道等。目前，這一寶貴資源已在Hugging Face平臺上向公眾開放。

與OMol25數(shù)據(jù)集一同亮相的，是meta精心打造的UMA模型。這個模型基于OMol25以及其他數(shù)據(jù)集進行訓練，其獨特之處在于能夠在原子層面快速預測化學性質(zhì)，速度遠超傳統(tǒng)計算方法。與以往需要針對特定任務構建專門模型的方法不同，UMA具有高度的通用性，能夠廣泛應用于從分子模擬到材料和催化研究等多個領域。UMA采用了先進的圖神經(jīng)網(wǎng)絡和“混合線性專家”架構，實現(xiàn)了計算速度和預測精度的完美平衡。在基準測試中，UMA的表現(xiàn)已經(jīng)達到了以往只有精細調(diào)整的專用模型才能達到的水平。

meta強調(diào)，UMA模型的推出將極大地加速研究進程。以往需要數(shù)天才能完成的分子模擬和計算，現(xiàn)在借助UMA只需幾秒鐘即可完成。這意味著研究人員可以在實驗室合成之前，快速篩選數(shù)千種潛在的新分子，從而高效評估其作為藥物或電池材料的潛力。目前，UMA模型也已在Hugging Face平臺上開放獲取。

除了OMol25數(shù)據(jù)集和UMA模型外，meta還推出了一種名為“伴隨采樣”的全新AI分子模擬方法。這一方法打破了傳統(tǒng)AI模型需要大量真實世界數(shù)據(jù)來生成新分子結(jié)構的限制。即使在缺乏真實樣本的情況下，“伴隨采樣”也能學習并提出新的分子結(jié)構。該技術融合了隨機控制理論和擴散過程的概念，meta團隊認為擴散過程特別適合用于模擬分子。實驗顯示，“伴隨采樣”僅需少量計算就能快速探索多種分子結(jié)構變體，且生成的分子構象不僅能與傳統(tǒng)軟件的結(jié)果相匹配，在處理具有多個靈活組件的分子時甚至表現(xiàn)更為出色。相關的模型、代碼和更多信息已在Hugging Face和GitHub平臺上提供。

盡管取得了這些顯著進展，meta也坦誠地指出了當前面臨的挑戰(zhàn)。例如，在聚合物、某些金屬或復雜的質(zhì)子化狀態(tài)等化學領域，數(shù)據(jù)的覆蓋尚不全面。AI模型在預測電荷、自旋和長程相互作用等性質(zhì)方面仍有待提升。meta表示，他們將繼續(xù)致力于解決這些問題，以推動化學研究和應用的進一步發(fā)展。