分子之心 QuantaMind 登 Science Advances：一张 GPU 跑十万原子级反应，复现完整酶催化循环
分子之心（MoleculeMind）的 QuantaMind 登上 Science Advances：这是一个机器学习力场（MLFF）框架，目标是打破分子模拟长期存在的「精度—时间—规模」三角。做法有三点：用 5,286 个「反应正在发生」瞬间的数据训练，让模型真正见过键正在断裂与形成的过程；把不同来源、不同精度的计算数据按质量加权整合进训练；再让模型自己发现薄弱环节、针对性补算高精度构型，循环迭代。
指标上，最新扩展测试中单张 GPU 可模拟十万原子级体系数百纳秒的反应，单步耗时约 0.25 秒；论文中的完整案例是一个含 17,792 个原子的 PET 水解酶体系，连续模拟 6 ns，走完质子转移、断键成键直到完整酶催化循环。作为对照，量子力学方法通常只能算几百到上千个原子、万亿分之一秒量级的瞬间，而传统分子模拟假设结构固定、看不见成键断键。
意义在于 AI for Science 从「预测静态结构」走到「模拟反应过程」：能把酶催化、酸碱中和、磷酸缓冲这类要断键成键的过程算下来，才谈得上用模拟指导催化剂设计与突变筛选。团队称 QuantaMind 是连接分子设计、机制模拟与实验验证的基础设施；目前未见权重或代码公开发布。
核验记录
Science Advances 页面本身对抓取返回 403，未能直读；DOI 元数据经 Crossref 直读核实——题名《Bridging the accuracy-speed divide in reactive molecular dynamics with QuantaMind MD》、published-print 2026-09-11、created 2026-09-11T17:58:29Z、四位作者单位均为 MoleculeMind, Beijing, China。官方站 moleculemind.cn 证书主机名不匹配不可读，moleculemind.com 仅 476 字节存根页；Hugging Face 与 GitHub 均无 QuantaMind / MoleculeOS 相关仓库，确认无权重代码发布。原子数、耗时、训练数据量等数字取自论文摘要与量子位 9/15 授权刊载正文（两者一致）。