Lambda, EGInterpolator가 DRUGS에서 분자 동역학 격차를 줄인다고 보고

Lambda는 분자 동역학을 위한 AI가 비용이 많이 드는 훈련 궤적으로 인해 제약을 받는다고 말하며, Stanford와 함께한 ICLR 2026 연구로 EGInterpolator를 발표했다. 이 방법은 먼저 풍부한 컨포머 데이터에서 분자 구조를 학습한 다음, 부족한 MD 데이터를 사용해 운동을 학습한다.

DRUGS 벤치마크에서 Lambda는 EGInterpolator가 참조 시뮬레이션과의 격차를 결합각에서 73%, 결합 길이에서 78%, 비틀림 운동에서 24% 줄였다고 밝혔다.

구조 우선 제거 실험도 보고되었다: 사전학습을 제거하면 결합각의 평균 JSD가 0.173에서 0.332로, 결합 길이의 평균 JSD가 0.142에서 0.386으로 증가했다.