苹果跨界AI，SimpleFold蛋白质折叠模型震撼登场

近日，苹果悄然涉足跨界AI领域，真是让人大跌眼镜！

他们发布了一个基于流匹配技术的蛋白质折叠模型，名为SimpleFold，被网友们戏称为“iFold”。

SimpleFold摒弃了复杂的专属模块设计，仅采用通用的Transformer模块，结合流匹配生成范式，其3B参数版本性能已逼近谷歌AlphaFold2。

苹果此次跨界，显然是在践行简约高效的理念。

MacBook Pro轻松驾驭

首先，我们来了解一下蛋白质折叠的奥秘。

其核心是将“一串”氨基酸折叠成特定的3D形状，只有这样，蛋白质才能发挥其应有的功能。

而蛋白质折叠模型的任务就是从氨基酸的一级序列预测其三维空间构象。

以往最顶尖的模型，如谷歌的AlphaFold2，虽然取得了突破，但设计复杂，成本高昂。

相比之下，“iFold”利用通用AI框架解决了这些问题。

SimpleFold采用多层Transformer编码器作为核心，通过自适应层归一化适配蛋白质序列特征，堪称用“一把瑞士军刀”解决专属难题。

其创新之处在于引入了流匹配生成技术。

在训练阶段，团队构建了包含900万条数据的混合数据集，训练了从100M到3B参数的多尺度模型。其中，SimpleFold-3B在CAMEO22基准测试中性能达到了AlphaFold2的95%。

值得一提的是其效率，在搭载M2 Max芯片的MacBook Pro上，处理512残基序列的推理时间仅需两三分钟，远超传统模型的小时级耗时。

科研团队揭秘

这项研究的第一作者Yuyang Wang本科毕业于同济大学，后赴美国卡内基梅隆大学深造，取得了一系列学位。他在Momenta和苹果都有丰富的实习和工作经验。

通讯作者则是华人机器学习工程师Jiarui Lu。他本科毕业于清华大学，并在朱军教授实验室担任研究助理。之后，他在卡内基梅隆大学取得硕士学位，并于2020年加入苹果。

对这款“iFold”感兴趣或想深入了解技术细节的朋友，请点击文末链接。

论文地址：https://arxiv.org/abs/25...
代码地址：https://github.com...