Lambda、EGInterpolatorがDRUGSで分子動力学のギャップを縮小したと報告

Lambdaは、分子動力学向けAIは高価な学習軌跡によって制約されると述べ、StanfordとのICLR 2026の研究としてEGInterpolatorを発表した。この手法はまず豊富なコンフォーマーデータから分子構造を学習し、次いで乏しいMDデータを用いて運動を学習する。

DRUGSベンチマークにおいて、LambdaはEGInterpolatorが参照シミュレーションとのギャップを結合角で73%、結合長で78%、ねじれ運動で**24%**縮小したと述べた。

構造優先のアブレーションも報告された。事前学習を除去すると、平均JSDは結合角で0.173から0.332へ、結合長で0.142から0.386へ増加した。