【深度解析】：荣获诺贝尔化学奖的突破性进展——谷歌旗下DeepMind的AlphaFold引领生成式AI在蛋白质结构预测领域的革命性创新

昨天，AI领域的领军人物Geoff Hinton刚刚荣获诺贝尔物理学奖，今天，谷歌DeepMind的联合创始人兼CEO Demis Hassabis又摘得了化学奖！Demis之所以能够获得化学奖，主要得益于谷歌著名的蛋白质结构预测模型——AlphaFold系列。

今年5月9日，谷歌DeepMind重磅推出了AlphaFold-3，该模型能够精确预测蛋白质-配体、蛋白质-核酸等几乎所有PDB数据库中的分子组合形式。这意味着科研人员只需使用一个模型就能解决各种高难度的生物化学问题，大大缩短新药和疫苗的研发周期。AlphaFold确实具备夺得诺奖的实力，然而，真正的化学科研人员可能会感到有些失落，毕竟自己的饭碗被AI抢走了。都说AI在抢工作，这次连诺奖也被抢了两次，看来接下来就是ChatGPT拿文学奖了！

有趣的是，Demis昨天才祝贺自己的好友Hinton获得诺贝尔奖，第二天自己也拿到了，真是幸福来得太突然。不少网友在Demis的祝贺推文下留言，称他开发的AlphaFold一定会获得诺贝尔奖，结果这一天真的到来了。Demis在接受诺贝尔委员会专访时表示，得知获奖的消息时，他简直不敢相信这是真的。谷歌也将为他举办一场盛大的庆祝派对，他的工作计划预计也会有所调整。

值得一提的是，除了AlphaFold之外，曾经击败顶级围棋高手李世石的AlphaGo也是Demis带领团队开发的，至今仍对机器学习领域产生了深远的影响。接下来，我们将详细介绍谷歌最新发布的AlphaFold-3模型。这款模型在架构和预测准确度方面都有了显著的进步。

首先，AlphaFold-3对模型架构进行了创新，引入了Pairformer模块来替代之前的Evoformer模块，减少了对多序列比对的依赖，使模型更加专注于目标蛋白质序列本身。此外，AlphaFold-3还采用了基于扩散过程的新策略，直接预测原子级别的三维坐标，简化了计算流程，提升了预测精度。在训练过程中，AlphaFold-3使用了交叉蒸馏技术来提高数据的利用率，增强了模型的学习能力，使其在面对新类型复合物时也能给出准确的预测结果。

在预测准确性和应用范围方面，AlphaFold-3的表现也非常出色。它不仅能够预测蛋白质结构，还能预测DNA、RNA、小分子、离子和修饰残基等各种生命分子的结构，以及它们之间的复合物结构。预测准确性方面，AlphaFold-3在预测蛋白质-配体相互作用方面至少提高了50%，对于某些关键的相互作用类别，预测准确率甚至翻了一番。

尽管AlphaFold-3表现非常出色，但生成式AI在今年的诺贝尔奖中大放异彩，令人惊叹。由OpenAI、微软、谷歌、Meta等公司掀起的生成式AI革命影响力巨大，连诺贝尔奖都来蹭热度，成为全球瞩目的焦点。估计现在全球的物理学家和化学专家都在思考，人类在科研领域是否还有继续研究的必要，或许转行从事AI也是一个不错的选择。

本文来源： ​AIGC开放社区公众号【阅读原文】