基于MindSpore SPONGE的分子动力学模拟持续革新，生物人工智能专区重磅上线！

近日，昇思人工智能框架峰会在北京成功举办。在AI for Science创新论坛中，深圳湾实验室博士后研究员刘许晗发表了题为《MindSpore SPONGE：人工智能时代下的分子动力学模拟》的演讲，分享了人工智能与分子动力学模拟交叉领域的最新研究成果。

深圳湾实验室、北京大学和昌平实验室联合昇思团队，基于MindSpore SPONGE在力场研究、轨迹分析和构象生成等方面取得了显著成果，包括开发出MoICT力场训练方法和ProTokens表征描述符等。此外，团队通过人工智能技术开发了预测蛋白质互作的三维结构的新方法ColabDock，该成果已发表在《Nature Machine Intelligence》上，为蛋白质结构和功能研究提供了新的思路和方法。

**业界首创AI MSA引擎：**突破蛋白质结构预测的瓶颈

在蛋白质结构预测领域，AI MSA引擎是MindSpore SPONGE的一项杰出贡献。传统的蛋白质结构预测方法，如AlphaFold 2，虽然取得了显著成就，但仍受限于多序列比对（MSA）信息的数量和质量。AI MSA引擎的引入，有效解决了这一问题。它能够在MSA样本少甚至零样本的情况下，帮助AlphaFold 2等模型维持甚至提高推理精度，有效突破了AlphaFold 2的缺陷。这是在实现AlphaFold 2从训练到推理全流程打通且效率同比提升2至3倍后，取得的又一次成功。

分子动力学模拟：高效融合AI与传统方法

分子模拟软件多用C/C++和FORTRAN编写，而AI框架多以Python为主，导致AI算法难以集成在分子模拟软件中。MindSpore SPONGE通过将MD模拟程序视为AI训练过程，原子坐标相当于神经网络参数，势能函数相当于作为优化目标的损失函数，而MD积分器则相当于一种特殊的AI优化器。根据这种相似性逻辑，分子模拟程序可以自然而然地在AI框架中重构，AI原生分子模拟程序MindSpore SPONGE可以充分发挥昇思MindSpore作为AI框架的强大能力，提供了可微编程、高通量计算和自动硬件迁移等非常有吸引力的功能。

“天工”抗体设计大模型：AI辅助降低抗体药物研发成本

在抗体药物研发领域，“天工”抗体设计模型是基于昇思MindSpore打造的一款创新工具，能够实现抗体功能设计、序列嫁接和活性预测等多种任务。该模型结合生物先验知识，实现非人源抗体的人源化，降低研发成本。它优化抗体的可成药性，提高生产效率，降低生产成本。与传统方法相比，设计效率提升一个数量级，经协和医学院验证，人源抗体表达量提升5至10倍，有望将生产成本降低2倍以上，为医药产业可持续发展注入新活力。

生物人工智能专区，赋能无限可能

为了让开发者更好地了解AI生物领域的解决方案与创新模型，昇思社区联合北京大学、昌平实验室、深圳湾实验室和北京协和医院基于昇思大模型平台打造生物人工智能专区。专区是AI+生物的“创新工坊”，内置丰富的前沿应用案例、案例模型与蛋白质结构预测数据集，一应俱全。为新手开发者提供详细教程，助力开发者迅速入门AI+科学计算领域；为资深科研人员，提供创新方案与算力支持，助力开发者拓展复杂生物模型，与昇思社区共同推动生物行业与AI技术的融通发展。

生物人工智能专区：https://xihe.mindspore.cn/biology

手机端扫码进入

模型与数据集

以上案例中所涉及到的模型，均可在该专区中找到。更值得一提的是，由北京大学、北京昌平实验室提供的蛋白质结构预测数据集，首次在生物人工智能专区中发布。

PSP是首个具有高覆盖率和多样性的百万级的蛋白质结构预测数据集，该数据集包含57万条真实结构序列（10TB）和74.5万条补充蒸馏序列（15TB），并且提供了在该数据集上进行SOTA蛋白质结构预测模型的基准训练过程。

学习课程领取免费算力

此外，专区还提供了多套MindSpore SPONGE专题课程，供广大开发者学习。

为支持广大开发者从理论到实践，社区为前100位学习课程的同学提供了免费的平台算力以供实践。

**Step1：**报名课程：https://xihe.mindspore.cn/course/sponge4/introduction

**Step2：**填写算力申请表：https://wj.qq.com/s2/17371537/e3eb/

**Step3：**算力申请完成后，在昇思大模型平台AI实验室，点击“打开Jupyter在线编程”，选择“Ascend”启动，上传模型文件进行实践。AI实验室：https://xihe.mindspore.cn/projects

如有问题请联系小助手

算力有限，先到先得，赶紧行动起来吧！