AI模型提速10000倍：Chalmers大学TITO模型让药物筛选进入"快进"模式

瑞典Chalmers理工大学开发的TITO AI模型比传统分子动力学模拟快10000倍以上，能从数十纳秒的训练数据预测1000倍时间尺度的分子行为，为药物发现早期筛选带来革命性效率提升。

开发一种新药通常需要超过十年时间，从最初的想法到最终到达患者手中。大量成本和时间集中在早期阶段——研究人员必须从数千个分子中筛选出最有前景的候选物。传统方法中，分子运动的模拟依赖于分子动力学（molecular dynamics），即逐步计算所有原子间的力并微小移动它们。

问题在于，为了保证计算的稳定性，每一步必须极其短暂——大约1飞秒（ $10^{-15}$ 秒）。而药物开发中感兴趣的过程发生在更长的时间尺度上，需要数十亿步计算，使得模拟在计算上极其昂贵。

来自瑞典 Chalmers理工大学和哥德堡大学的研究团队开发了名为 TITO（Transferable Implicit Transfer Operators）的AI模型，登上了 Science Advances 期刊。

TITO的核心创新在于：它不是简单地加速每一步计算，而是学习了分子在较长时间尺度上的潜在动力学规则。研究负责人Simon Olsson教授形容道：

我们不再逐帧观看"分子电影"，而是学会了直接跳转到关键场景。模型仅观察数十纳秒内的分子运动，就能预测一千倍时间尺度上的分子变化。

这意味着，AI模型能从短时间的模拟数据中学习到分子运动的一般规律，然后将其外推到更长时间尺度——就像从一部电影的预告片推断出完整剧情走向。

研究团队检验了超过12500种有机分子（含碳、氮、氢和氧原子）以及上千种短肽（short peptides）。AI模型学习了这些分子的典型行为方式，因此能够"快进"模拟过程，而结果仍然与物理定律一致。

更令人印象深刻的是，TITO模型可以应用于它在训练中从未见过的分子。因为它学到的是分子运动的通用规则，而非记忆特定系统的行为。这种泛化能力对于药物筛选至关重要——候选药物分子往往是全新的结构。

该研究的第一作者、同时在阿斯利康担任工业博士生的Juan Viguera Diez指出：

从长远来看，像我们这样的AI模型可以帮助更快地识别有前景的药物候选物，并提高早期阶段的准确性。这项研究展示了当前可能实现的目标，希望能为开发更通用的技术铺平道路。

制药行业对更准确反映现实的模拟表现出极大兴趣。TITO模型能加速分子模拟，在需要测试大量潜在分子的场景下，有望成为更高效药物开发的重要一步。

目前，TITO模型已在小型分子系统和简化溶剂模型中、在特定温度下进行了测试。研究团队正在进一步开发以适用于更复杂、更真实的系统。从"快进分子电影"到真正加速药物发现，仍需跨越从计算预测到实验验证的鸿沟——但这无疑是朝着正确方向迈出的重要一步。