ai4protein论文推荐 | 2026-06-14

今日热门 / Popular Today

AI 深度解读

SUPRABENCH 是一个旨在评估大语言模型在超分子化学领域推理能力的基准测试框架。该框架包含四个核心任务：结合亲和力预测（BAP），要求模型根据宿主和客体的分子结构预测其对数结合常数（log Ka）；最佳结合体选择（TBS），考察模型在化学相似候选物中识别最强结合体的能力；溶剂识别（SID），测试模型仅凭分子结构推断实验测量溶剂的能力；以及宿主 - 客体描述（HGD），要求模型描述给定客体对应的宿主特征或给定宿主对应的客体属性。此外，还包含一个分子识别（MI）辅助任务，用于评估模型从二维结构图中恢复分子 SMILES 字符串的多模态能力。

为支持该基准测试，研究构建了 SUPRAPMC 语料库，这是一个源自 Europe PMC 的 1600 万 token 超分子化学文本数据集。该语料库经过严格的过滤流程，通过主题查询和基于规则的关键词过滤，去除了生物医学领域的噪声数据，最终保留了 133,867 篇高纯度文章。

在评估方面，研究采用了零样本（Base）、少样本（Few-Shot）和思维链（CoT）三种提示策略，并针对各任务设定了相应的指标，如平均绝对误差（MAE）、准确率、Rouge 分数及 SMILES 匹配度等。实验结果显示，提示策略的效果因任务而异：少样本提示显著提升了宿主 - 客体描述任务的表现，但在结合亲和力预测任务中表现不如零样本；思维链策略在描述任务中表现最差。在模型性能方面，前沿专有模型 Gemini-3-Flash 在结合亲和力预测、最佳结合体选择和溶剂识别等任务上均取得了最佳成绩，DeepSeek-v4 紧随其后，表明专有模型在超分子化学领域目前仍具有显著优势。该工作揭示了当前大模型在特定科学领域推理中的局限性，并为未来的模型优化提供了明确的评估方向。

中文摘要

摘要：超分子化学，包括对非共价主客体组装体的研究，已推动了多种应用的发展。然而，主客体系统的设计仍然耗时，每个候选对需要数天的干实验验证。尽管大语言模型（LLMs）作为一种快速替代方案，在分子结合任务中表现出强劲的性能，但目前尚无基准系统性地评估 LLM 在基础超分子化学任务（如结合亲和力预测）中的主客体推理能力。为此，我们与领域专家合作，发布了首个超分子基准测试集 SupraBench，用于评估 LLM 在化学推理方面的表现。具体而言，我们设计了四项基础任务，即结合亲和力预测、最佳结合体选择、溶剂识别以及主客体描述，并增加了一项基于视觉的辅助分子识别任务。此外，我们还发布了 SupraPMC，这是一个从 Europe PMC 提炼而成的、包含 1600 万词元的超分子化学文章精选语料库，以支持向超分子领域的适配。我们对广泛开源和专有 LLM 进行了基准测试，发现 LLM 在所有任务中均存在较大的提升空间。基于 SupraPMC 进行的领域自适应预训练可顺利迁移至分布内回归任务，但在严格的字母格式输出方面存在权衡。此外，不同任务家族的难度分布差异显著，揭示了特定的失效模式，反映了当前超分子化学推理能力中的具体差距。我们的源代码和基准数据集可在 https://github.com/Tianyi-Billy-Ma/SupraBench 获取。

Paper Key Illustration

原文

SupraBench: A Benchmark for Supramolecular Chemistry

Abstract: Supramolecular chemistry, which includes the study of non-covalent host-guest assemblies, has advanced various applications. However, designing host-guest systems remains time-consuming, requiring days of dry-lab verification per candidate pair. Although LLMs have emerged as a fast alternative with strong performance on molecular binding tasks, no benchmark currently systematically evaluates LLMs for host-guest reasoning across fundamental supramolecular chemistry tasks, e.g., binding affinity prediction. To this end, we collaborate with domain experts to release the first Supramolecular Benchmark, called SupraBench, to evaluate LLMs in chemistry reasoning. Specifically, we design four fundamental tasks, i.e., binding affinity prediction, top-binder selection, solvent identification, and host-guest description, plus an auxiliary vision-based task for molecular identification. We also release SupraPMC, a curated 16M-token corpus of Supramolecular chemistry articles distilled from Europe PMC, to support the adaptation to the supramolecular domain. We benchmark a broad range of open and proprietary LLMs and find that LLMs leave substantial headroom across all tasks. Domain adaptation pretraining over SupraPMC transfers cleanly to in-distribution regression but trades off against strict letter-format output. Moreover, the difficulty profile differs sharply across task families, revealing distinct failure modes that indicate specific gaps in current supramolecular chemistry reasoning. Our source codes and benchmark datasets are available at https://github.com/Tianyi-Billy-Ma/SupraBench.    

链接:https://arxiv.org/pdf/2606.13477

AI 深度解读

EA-WM 提出了一种基于实体感知的世界模型（Entity-grounded EA-WM）架构，旨在解决机器人任务中特征相似性与事件逻辑一致性不匹配的问题。该方法的核心在于利用冻结的视觉编码器生成潜在的未来状态，并通过动作条件化的动力学模型进行 rollout，随后解码为任务导向的事件谓词。与仅优化特征距离的传统方法不同，EA-WM 引入了事件预测器和验证器，通过监督学习从模拟器状态和任务定义（如 BDDL 规则）自动生成事件标签，涵盖物体状态变化、关系事件及连续进度指标。在规划阶段，EA-WM 采用基于采样的 CEM 算法，结合事件一致性评分与不确定性惩罚（如成功概率熵），通过保守的混合门控机制筛选候选动作，确保拟想的改进能可靠地迁移到仿真器执行。针对接触敏感任务（如酒架放置），该方法还结合了残差 PPO 提议策略，以生成超出 CEM 池的接触敏感候选动作，从而在保持任务逻辑一致性的同时提升物理可行性。

中文摘要

预训练特征世界模型为机器人想象提供了有用的基础，但仅凭视觉或潜在预测尚不足以判断所想象的未来是否满足与任务相关的事件。长视界操作需要关系性、谓词级且基于物理的进展信号：即物体是否发生移动、抽屉或接触状态是否改变、放置谓词是否满足，以及候选未来是否可靠到足以执行。我们提出了 EA-WM，一种事件感知世界模型框架，该框架在冻结的视觉特征动力学基础上，增补了基于任务规范的事件预测与验证。EA-WM 在预训练的视觉特征空间中展开候选未来，将其解码为结构化事件状态，并利用任务进展、语义一致性、物理可行性和不确定性项对其进行评分。验证器指导基于采样的规划，筛选候选动作，并在对接触敏感的 LIBERO 酒架设置中，从 PPO 生成的提案中进行选择。在导航、可变形物体操作、受墙壁约束及语言描述的操作等多项研究中，EA-WM 表明，事件感知验证可使特征空间世界模型更具可解释性，并更好地与任务进展对齐。

Paper Key Illustration

原文

EA-WM: Event-Aware World Models with Task-Specification Grounding for Long-Horizon Manipulation

Abstract: Pretrained-feature world models provide a useful substrate for robot imagination, but visual or latent prediction alone does not determine whether an imagined future satisfies task-relevant events. Long-horizon manipulation requires progress signals that are relational, predicate-level, and physically grounded: whether an object has moved, whether a drawer or contact state has changed, whether a placement predicate is satisfied, and whether a candidate future is reliable enough for execution. We introduce EA-WM, an event-aware world-model framework that augments frozen visual-feature dynamics with task-specification-grounded event prediction and verification. EA-WM rolls out candidate futures in pretrained visual-feature space, decodes them into structured event states, and scores them using task-progress, semantic-consistency, physical-feasibility, and uncertainty terms. The verifier guides sampling-based planning, gates candidate actions, and, in the contact-sensitive LIBERO wine-rack setting, selects among PPOgenerated proposals. Across navigation, deformable-object, wall-constrained, and languagedescribed manipulation studies, EA-WM shows that event-aware verification can make featurespace world models more interpretable and better aligned with task progress.    

链接:https://arxiv.org/pdf/2606.13053

AI 深度解读

该研究针对分子动力学（MD）模拟中多阶段物理过程难以自动诊断与优化的问题，提出了一种名为 MDForge 的多智能体协作框架。该方法将复杂的 MD 任务分解为准备、平衡、生产采样和分析四个标准阶段，并在每个阶段引入物理感知的结构化诊断指标（如力场自洽性、遍历性、自由能收敛度），而非依赖大语言模型合成解释。为了解耦复杂的错误来源，系统设计了由三位专家智能体（力场、采样、分析）组成的评审小组，通过两轮交叉可见的辩论机制，结合动态声誉权重机制生成综合反馈，以区分工程故障与物理归因问题。实验在 CB[7]、OAH 和 CBClip 三个基准测试集上验证，结果显示该方法在预测结合自由能（R²、Spearman 相关系数）方面显著优于无反馈、单一 LLM 批评者及现有反馈方法，且能有效提升可执行管道的生成率，证明了多专家辩论与阶段诊断在提升模拟准确性与鲁棒性方面的关键作用。

中文摘要

摘要：分子动力学（MD）是原子分子科学中标准的计算模拟方法，基于第一性原理物理模拟分子行为。为全新体系设计 MD 流程需要深厚的专业知识：即使仅对一个分子进行模拟也成本高昂，因此无法采用试错法。我们利用大语言模型（LLM）智能体自动化了这一专家级流程设计过程。与现有通过编排预定义工具集的 MD 智能体不同，我们将流程设计视为开放式的代码生成任务，并通过语言奖励在线重塑智能体的行为。具体而言，我们构建了 MDForge，这是一个 LLM 智能体，其上下文更新规则通过物理专家间的多智能体辩论来稀疏奖励。在三个 SAMPL 主客体结合自由能基准测试中，MDForge 自动设计的 MD 流程在性能上可与人类专家相媲美。将其部署于一组未见过的候选客体库时，其 CB[7] 流程发现了一种新型结合剂，湿实验竞争 NMR 证实该结合剂具有高亲和力，属于皮摩尔级 CB[7] 结合剂。我们的数据和代码可在 https://github.com/Zehong-Wang/MDForge 获取。

Paper Key Illustration

原文

MDForge: Agentic Molecular Dynamics Pipeline Design under Sparse Simulator Feedback

Abstract: Molecular dynamics (MD) is the canonical in-silico method for atomistic molecular science, simulating molecular behavior from first-principle physics. Designing an MD pipeline for a new system requires substantial expert knowledge: running it on even one molecule is expensive, ruling out trial-and-error. We automate this expert pipeline-design process with an LLM agent. Unlike existing MD agents that orchestrate a predefined tool set, we treat pipeline design as open-ended code generation in which the agent's behavior is reshaped online by verbal reward. Specifically, we build MDForge, an LLM agent whose in-context update rule densifies the sparse reward via a multi-agent debate among physics experts. On three SAMPL host-guest binding free-energy benchmarks, MDForge automatically designs MD pipelines competitive with human experts. Deployed on a library of unseen candidate guests, its CB[7] pipeline discovers a novel binder that wet-lab competition NMR confirms is a high-affinity, picomolar CB[7] binder. Our data and code are available at https://github.com/Zehong-Wang/MDForge.    

链接:https://arxiv.org/pdf/2606.12916