来源： 《美国国家科学院院刊》
加州理工学院Anima Anandkumar团队开发了新型机器学习模型NucleusDiff，通过引入原子间距离约束等简单物理规则，有效解决了AI在药物设计中常提出的不符合物理规律的分子结构问题。该模型通过估算分子空间分布，避免原子碰撞，在测试中不仅将原子碰撞率降至接近零，还显著提升了结合亲和力的预测准确性，尤其在COVID-19靶点蛋白3CL蛋白酶的应用中表现优异。研究体现了“AI4Science”计划中物理知识与数据驱动模型的深度融合，增强了AI在科学探索中的可靠性与泛化能力。