面向分子数据分布的表示学习与生成模型

倪雨嫣

中国科学院

2026年5月25日 星期一

下午 14:00-15:00

学院104会议室

人工智能驱动的科学发现（AI for Science）正深刻变革基础科学的研究范式。分子科学的两大核心任务——性质预测与分子设计，在方法层面分别对应于表示学习与生成建模，其核心挑战均在于如何精确建模复杂的分子数据分布。分子数据受物理势能函数约束并遵循玻尔兹曼分布，其分布具有各向异性、尖峰性等特性，这些特性对表示学习与生成建模带来挑战。本次报告将基于我在博士期间的研究成果，从分子分布特性出发，分别探讨表示学习与生成建模的系统性方法。

在表示学习方面，针对现有坐标去噪方法难以刻画各向异性分布的局限，我们提出分数去噪预训练框架，通过理论上将原子力学习目标与噪声分布形式进行解耦，实现了对分子势能面的有效建模与广泛探索。为进一步提升建模精度，我们通过引入经典力学的势能函数并利用随机切片技巧，提升了微观结构细节的刻画能力与运算效率。在分子生成方面，我们提出直线扩散模型，通过优化训练阶段的噪声调度，使采样轨迹趋近线性化，在不增加计算复杂度的前提下大幅提升采样效率，且该调度高度契合分子分布的尖峰特性。针对采样阶段，我们进一步提出了随机性调控与温度退火框架，实现对初始采样误差的有效修正与物理低能区的精准聚焦，进一步提升生成分子的合法性。 我们的方法在性质预测与分子生成等多个任务上取得领先性能，展现出对不同分子体系及各类下游任务的通用潜力，并为未来构建兼具理解与生成能力、跨尺度的分子基础模型奠定了科学基础，有望为药物研发与新材料发现注入新的动能。