加州大学伯克利分校：《面向科学发现的多模态基础模型：在化学、材料和生物学中的应用》

来源：欧米伽未来研究所

这部报告围绕多模态基础模型在科学领域的应用展开。由加州大学伯克利分校的研究人员 Shengchao Liu 和 Hannan Xu。Shengchao Liu 发布。

报告题目是《面向科学发现的多模态基础模型：在化学、材料和生物学中的应用》。该报告聚焦于多模态基础模型在化学、材料和生物学等领域的应用研究，深入探讨了从基础概念、技术原理，到各领域具体的单模态、多模态建模方法及应用案例，还对未来发展进行展望，为相关领域利用多模态基础模型推动科学发现提供了全面且深入的参考 。

报告内容简介

在科技飞速发展的当下，人工智能（AI）与科学研究的融合正以前所未有的速度推进，为各个领域带来了全新的突破和机遇。其中，多模态基础模型在化学、材料和生物学等领域的应用尤为引人注目，它宛如一把钥匙，正逐渐打开科学发现的新大门。

AI 助力科学研究的显著成果

AI 在科学领域的应用成果丰硕。在蛋白质结构预测方面，AlphaFold2 的出现堪称重大突破。以往，确定蛋白质的三维结构是一项极具挑战性的任务，传统实验方法不仅耗时费力，还需要大量的资源投入。而 AlphaFold2 借助深度学习技术，能够根据蛋白质的氨基酸序列准确预测其三维结构，这一成果在 2021 年发表于《自然》杂志，为生物学研究提供了强大的工具，极大地加速了药物研发、疾病机制研究等相关领域的进展。在天气预测领域，3DEST（3D Earth-specific transformer）模型同样表现出色。它通过对大量气象数据的学习和分析，能够更精准地预测天气变化，为人们的生活和生产活动提供可靠的气象信息，减少自然灾害带来的损失。这些成功案例充分展示了 AI 在科学研究中的巨大潜力，也为多模态基础模型的发展奠定了坚实的基础。

多模态基础模型：概念、边界与多模态的力量

基础模型（FM）是一类具有强大学习能力的模型，它能够从大规模数据中学习到通用的知识和模式，为各种应用提供基础支持。多模态基础模型则是在此基础上，融合了多种不同类型的数据，如图像、文本、音频等，以更全面地理解和处理复杂的问题。在化学、材料和生物学研究中，多模态信息的融合至关重要。例如，在化学领域，仅依靠分子结构数据可能无法全面了解分子的性质和反应特性，但如果结合文本数据，如相关的化学文献、实验报告等，就能够获取更多关于分子的信息，从而更深入地研究化学反应机理，设计出更有效的药物和材料。这种多模态的融合方式能够充分发挥不同数据模态的优势，弥补单一模态的不足，为科学研究提供更丰富、更准确的信息，显著提高研究的效率和准确性。

多模态基础模型的技术基石

分子与几何：微观世界的精准描述

在化学、材料和生物学研究中，对分子和几何结构的准确描述是基础。以氨基酸为例，丙氨酸残基和半胱氨酸残基具有独特的结构，它们的原子组成和空间排列方式决定了蛋白质的性质和功能。小分子甘氨酸、蛋白质 7LCJ 以及晶体材料 Po 等，它们的结构都有着各自的特点。科学家们通过不断探索和研究，利用先进的技术手段，能够精确地解析这些分子和材料的结构，为后续的研究提供了重要的基础数据。这些结构信息不仅有助于我们了解物质的基本性质，还能为药物设计、材料优化等应用提供关键的指导。

数据结构：搭建信息的桥梁

数据结构在多模态基础模型中起着至关重要的作用，它就像是搭建信息桥梁的基石。在研究分子时，我们不仅要关注分子的二维拓扑结构，还要深入了解其三维几何结构，因为三维结构与分子的功能密切相关。此外，分子复合物中的力也是研究的重要内容，通过对力的分析，我们可以了解分子之间的相互作用，从而更好地理解化学反应的过程。在描述分子表面时，原子、分子流形和网格点等概念被广泛应用。比如，NucleusDiff 模型通过对分子表面的精确描述，能够更准确地进行基于结构的药物设计；MaSIF（Molecular Surface Interaction Fingerprint）则通过提取分子表面的相互作用指纹，为研究分子间的相互作用提供了有力的工具。这些数据结构的合理运用，使得多模态基础模型能够更高效地处理和分析复杂的科学数据。

密度估计与生成建模：探索数据的奥秘

密度估计与生成建模是多模态基础模型中的核心技术之一，它旨在探索数据背后的分布规律，生成具有相似特征的新数据。在这一领域，能量基模型（EBM）、变分方法、自回归模型等发挥着重要作用。EBM 通过定义能量函数来描述数据的分布，变分方法则通过优化近似分布来逼近真实分布，自回归模型则按照一定的顺序依次生成数据的各个部分。扩散模型和流匹配技术是近年来的研究热点。扩散模型通过在数据中逐渐添加噪声，然后学习如何去除噪声来生成数据；流匹配技术则通过构建流形来匹配数据的分布，从而实现更高效的生成建模。这些技术的不断发展和创新，为多模态基础模型在化学、材料和生物学中的应用提供了强大的支持。

预训练：赋予模型先验知识

预训练是多模态基础模型的关键环节，它就像是给模型注入了丰富的先验知识。通过在大规模数据上进行预训练，模型能够学习到通用的特征和模式，从而在面对具体任务时，能够更快地适应和优化。自监督学习是预训练中常用的方法，它通过利用数据自身的结构和信息来进行训练，无需大量的人工标注数据。InfoNCE、SimCLR、BYOL、MAE 等方法都是自监督学习的典型代表。这些方法通过不同的方式最大化不同视图之间的一致性，从而使模型学习到更有效的特征表示。预训练使得模型在处理化学、材料和生物学数据时，能够更好地理解数据的内在规律，提高模型的性能和泛化能力。

多模态基础模型在化学与材料领域的应用

单模态建模：各显神通

在化学和材料领域的单模态建模中，多种方法各展其长。指纹（Fingerprint）方法通过对分子的特定特征进行编码，生成独特的指纹向量，以此来表征分子结构，在分子相似性搜索和性质预测等方面具有广泛应用。字符串（String）表示法，如 SMILES、SELFIES 等，以简洁的文本形式描述分子结构，方便计算机处理和存储。神经网络指纹（Neural Fingerprint）则借助神经网络的强大学习能力，更精准地捕捉分子的特征。消息传递神经网络（MPNN）能够有效处理分子图结构数据，在量子化学研究中发挥重要作用。SE (3)- 等变建模考虑了分子的旋转和平移对称性，为分子结构和性质的研究提供了更准确的模型。

在预训练阶段，N-Gram Graph、GraphMVP、MoleculeSDE、GeoSSL-DDM 等方法不断涌现。N-Gram Graph 通过对分子图的拓扑结构进行预训练，为下游任务提供了有力的支持；GraphMVP 则结合了 2D 和 3D 几何信息，实现了更有效的分子图表示学习；MoleculeSDE 利用随机微分方程进行分子多模态预训练，能够更好地捕捉分子结构的动态变化；GeoSSL-DDM 通过几何自监督学习，提高了模型对分子几何结构的理解和处理能力。这些预训练方法的应用，显著提升了单模态模型的性能。

在下游任务中，DeepMD 和 NeuralMD 等模型用于分子动力学模拟，能够精确预测分子的能量和力，为研究分子的动态行为提供了重要手段。Character VAE、Grammar VAE、HierVAE 等模型则在分子设计领域发挥着重要作用，它们能够生成具有特定性质的分子结构，为新药研发和材料设计提供了创新的思路。EDM、DiffCSP、MatterGen、CrystalLLM、FlowLLM、AssembleFlow 等模型在晶体结构预测、材料生成等方面取得了显著成果，推动了化学和材料领域的发展。

从单模态到多模态建模：融合创新

从单模态到多模态建模的转变，是化学和材料领域研究的重要突破。GraphCG 模型通过最大化潜在空间中方向和步长之间的互信息，成功解决了深度生成模型中语义可解释性和可学习性的问题。它能够在分子图和点云等数据上进行操作，实现对分子结构的可控编辑。在分子图的编辑中，GraphCG 可以根据用户的需求，有针对性地改变分子的结构，如调整分子中的官能团数量，从而实现对分子性质的调控。这一模型的出现，为多模态信息的融合和利用提供了新的思路和方法。

多模态建模：全面探索与深入应用

在多模态建模方面，研究人员进行了广泛而深入的探索。KV-PLM 和 MolT5 等模型在早期探索阶段取得了重要成果。KV-PLM 能够有效融合分子结构和生物医学文本信息，在分子性质预测和药物发现等任务中表现出色；MolT5 则专注于分子与自然语言之间的转换，为化学研究提供了更便捷的交流和理解方式。

MoleculeSTM、3DToMolo、MoleculeSTM-3D、MOFFUSION 等模型在分子结构与文本的交互方面发挥着重要作用。MoleculeSTM 通过对比学习，实现了基于文本的分子检索和编辑，能够根据用户输入的文本描述，快速准确地找到相关的分子，并对其进行编辑；3DToMolo 则在文本 - 3D 空间中对分子进行优化，考虑了分子的三维结构和物理化学性质，使分子设计更加合理；MoleculeSTM-3D 结合了 3D 结构和文本信息，在反应性导向的分子编辑任务中表现优异；MOFFUSION 利用 3D 建模技术，实现了对金属有机框架材料的多模态条件生成，为材料设计提供了更多的可能性。

ChatDrug、Co-scientist、AI Co-scientist 等模型则展现了多模态基础模型在推理和规划方面的强大能力。ChatDrug 能够根据用户输入的文本提示，对药物分子进行编辑和设计，提高药物的性能；Co-scientist 通过与科学家的交互，实现了自主化学研究，能够提出合理的研究假设和实验方案；AI Co-scientist 则通过多智能体系统，不断优化研究假设，加速科学研究的进程。

多模态基础模型在生物学领域的应用

单模态建模：解析生命的密码

在生物学的单模态建模中，MSA Transformer、MaSIF、AlphaFold2 等模型在蛋白质表示方面发挥着核心作用。MSA Transformer 通过对多序列比对的学习，能够捕捉蛋白质序列中的进化信息，为蛋白质结构和功能的研究提供重要线索；MaSIF 从分子表面的几何和化学特征出发，提取蛋白质分子表面的相互作用指纹，有助于理解蛋白质 - 蛋白质相互作用；AlphaFold2 则凭借其卓越的蛋白质结构预测能力，为生物学研究提供了高精度的蛋白质三维结构信息。

ProteinTeritiary、Foldseek、GearNet、CLEAN 等模型在预训练阶段取得了显著成果。ProteinTeritiary 利用蛋白质的三级结构进行自监督预训练，学习到蛋白质的结构特征；Foldseek 通过快速准确的蛋白质结构搜索，为蛋白质研究提供了高效的工具；GearNet 基于图的对比学习，增强了蛋白质结构的表示能力；CLEAN 则通过对比学习进行酶注释，提高了酶功能预测的准确性。

在下游任务中，AI BMD 2 在蛋白质分子动力学的从头算表征方面表现出色，能够精确模拟蛋白质的动态行为；FrameDiff、FoldFlow、SurfGen、NucleusDiff 等模型在蛋白质结构生成和设计领域取得了重要进展，为蛋白质工程和药物研发提供了有力的支持。

多模态建模：揭示生命的奥秘

在生物学的多模态建模中，ProGen、ProteinDT、Chroma、ESM3、ProteinDT-3D 等模型展现出强大的能力。ProGen 作为条件蛋白质语言模型，能够根据输入的控制标签生成多样化的人工蛋白质序列，为蛋白质功能研究和设计提供了新的方法；ProteinDT 实现了文本引导的蛋白质编辑，通过自然语言描述对蛋白质进行精确的修改；Chroma 通过可编程的生成模型，为蛋白质结构的研究提供了新的视角；ESM3 模拟了 5 亿年的蛋白质进化，有助于深入理解蛋白质的进化机制；ProteinDT-3D 则在文本引导的蛋白质进化任务中表现出色，为蛋白质的定向进化提供了技术支持。

总结与展望：多模态基础模型的未来之路

多模态基础模型在化学、材料和生物学领域的应用已经取得了令人瞩目的成果，但这仅仅是一个开始。未来，随着技术的不断发展和创新，多模态基础模型有望在更多领域实现突破。在技术发展方面，我们期待模型能够更加高效地处理和融合多模态数据，提高模型的准确性和泛化能力。通过引入更先进的算法和架构，如基于量子计算的模型、具有更强推理能力的模型等，进一步提升多模态基础模型的性能。

在应用拓展方面，多模态基础模型将在药物研发、材料设计、疾病诊断和治疗、生物多样性保护等领域发挥更大的作用。在药物研发中，能够更快速、准确地筛选和设计出具有高效低毒特性的药物；在材料设计中，能够开发出具有特殊性能的新型材料，满足不同领域的需求；在疾病诊断和治疗中，能够实现更精准的疾病预测和个性化治疗方案的制定；在生物多样性保护中，能够更有效地监测和保护生物物种。多模态基础模型的发展也面临着一些挑战，如数据隐私保护、模型的可解释性等问题，需要我们在发展过程中加以解决。但相信在科学家们的共同努力下，多模态基础模型将为人类的科学研究和社会发展带来更多的惊喜和贡献。