Zatom-2 模型推动化学和材料科学生成式人工智能发展

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-09 04:00

研究人员推出 Zatom-2，这是一种专为原子数据设计的新型生成模型，可应用于化学、材料科学和生物学等各种科学领域。与之前的模型不同，Zatom-2 在包含分子和材料结构的庞大数据集上进行了预训练，使其能够处理通用任务。该模型采用多尺度 Transformer 架构并支持力场条件，从而改进了生成、结构预测以及能量/力场预测。与前代 Zatom-1 相比，Zatom-2 在分子分布保真度方面表现更优，并通过迁移学习在蛋白质生成方面展现出更强的性能。 AI

影响增强了化学、材料科学和生物学领域科学发现的跨领域生成建模能力。

排序理由该集群包含一篇详细介绍新模型及其性能的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 15 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍新模型及其性能的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Miruna Cretu, Alex Abrudan, Antonia Panescu, Tynan Perez, Rishabh Anand, N. Benjamin Erichson, Michael W. Mahoney, Samuel Blau, Joseph Jacobson, Rafael G\'omez-Bombarelli, Rex Ying, Tuomas Knowles, Pietro Li\`o, Alex Morehead · 2026-10-09 04:00

Zatom-2：面向跨领域生成式建模的原子数据多任务预训练

arXiv:2610.11454v1 Announce Type: cross Abstract: Unified atomistic modeling has the potential to accelerate discovery in chemistry, materials science, and biology by bridging data-rich chemical domains and data-scarce biological contexts. However, existing generative approaches …

本文如何被排名

报道来源 [1]

Zatom-2：面向跨领域生成式建模的原子数据多任务预训练

相关实体

相关话题