研究人员开发了MEET（Memory Efficient Equivariant Transformer），一种新的E(3)等变骨干网络，专为可扩展的原子级肽建模而设计。该框架在采用内存高效的注意力机制的同时，维护了不变的标量和等变的向量特征流。通过重新构建几何计算，MEET实现了与原子数量呈线性关系的内存扩展，并提高了生成质量，优于现有的肽设计方法。实验表明，它能够支持系统性的模型和数据扩展，从而提高肽生成中的结合亲和力、物理有效性和样本多样性。 AI
影响 这项研究推动了人工智能在科学发现方面的能力，有望加速药物开发和材料科学。
排序理由 该集群包含一篇学术论文，详细介绍了一种特定科学领域的新模型架构。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
