研究人员开发了一种新方法，以提高蛋白质动力学生成模拟器的准确性和速度。该方法将隐式、依赖于历史的偏差引入生成空间，引导采样过程远离先前生成的状态，以探索更稀有的构象。实验表明，与标准的模拟技术相比，多样性显著增加，并且低能状态的覆盖速度更快。 AI
影响 增强了AI模拟复杂生物过程的能力，有望加速药物发现和蛋白质工程。
排序理由 该集群包含一篇详细介绍新研究方法的学术论文。[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 →
arXiv:2606.01833v1 Announce Type: cross Abstract: Generative emulators of protein dynamics produce plausible trajectories at a fraction of the cost of molecular dynamics, but they inherit their training distribution and tend to revisit known states rather than reach rare ones und…