智能手机电池续航时间的长短或能否开发出治疗不治之症的新药，都取决于构成材料的原子结合的稳定性。"分子设计"的核心在于找到如何排列这些无数原子以形成最稳定分子的方法。迄今为止，这一过程如同在庞大的山脉中寻找最低的山谷一样困难，需要耗费大量时间和成本。韩国科学技术院(KAIST)的研究人员开发了一项新技术，利用人工智能快速准确地解决这一过程。
KAIST于2月10日宣布，化学系吴允衍(Woo Youn Kim)教授的研究团队开发了"黎曼去噪模型(R-DM)"，这是一种理解控制分子稳定性的物理定律以预测结构的人工智能模型。
该模型最显著的特点是直接考虑分子的"能量"。虽然现有的AI模型只是简单地模仿分子的形状，但R-DM通过考虑分子内部作用的力来精炼结构。研究团队将分子结构表示为一张地图，其中高能量被描绘为山丘，低能量被描绘为山谷，并设计AI向最低能量的山谷移动和寻找。
R-DM通过在这个能量景观中导航来完成分子，避开不稳定结构以找到最稳定状态。这应用了"黎曼几何"的数学理论，使AI学习化学的基本定律："物质倾向于能量最低的状态"。
实验结果表明，R-DM比现有AI模型的准确度高达20倍，将预测误差降低到几乎无法与精确的量子力学计算区分的水平。这代表了基于AI的分子结构预测技术中世界最高水平的性能。
该技术可用于多个领域，包括新药开发、下一代电池材料和高性能催化剂设计。它有望成为"AI模拟器"，通过显著缩短以往耗时很长的分子设计过程，大幅加速研发。此外，在环境和安全领域也具有巨大潜力，因为它可以在实验困难的情况下（如化学事故或有害物质扩散）快速预测化学反应路径。
吴允衍教授表示："这是人工智能首次理解化学基本原理并自行判断分子稳定性的案例。这是一项能够从根本上改变新材料开发方式的技术。"
本研究由KISTI超级计算中心的禹济宪(Jeheon Woo)博士和KAIST创新药物发现研究组的金成焕(Seonghwan Kim)博士作为共同第一作者领导。研究结果于1月2日发表在世界知名学术期刊《Nature Computational Science》上。
※ 论文标题：《具有化学准确度的分子结构优化黎曼去噪模型》，DOI: 10.1038/s43588-025-00919-1
同时，本研究得到了韩国环境产业技术院的化学事故预测-预防先进技术开发项目、科学技术信息通信部的科学技术院InnoCore项目以及国家研究基金会实施的由科学技术信息通信部支持的数据科学融合人才培养项目的支持。
【全文结束】
