蛋白质语言模型嵌入提升隐式传递算子泛化能力
机器学习
2026-02-13 v1 生物物理
摘要
分子动力学（MD）是物理、化学和生物学中核心的计算工具，能够通过高维分子分布（如玻尔兹曼分布和迁移密度）的期望预测实验可观测量。然是conventional MD 因生成独立样本的计算成本高，本质受限。生成式分子动力学（GenMD）近期涌现为替代方案，从数据或与能量模型交互学习分子分布的代理模型。虽然这些方法可高效采样，但其跨分子系统的可传递性常受限。本文证明，纳入辅助信息可提升隐式传递算子（TITO）的数据效率和跨分布泛化。我们发现，粗粒度 TITO 模型的数据效率显著高于玻尔兹曼模拟器，并通过纳入蛋白质语言模型（pLM）嵌入进一步提升跨分布泛化。我们的 PLaTITO 方法在平衡采样基准中实现最先进性能，涵盖快速折叠蛋白质等跨分布蛋白质系统。我们进一步研究了结构嵌入、温度和大语言模型嵌入等额外条件信号对模型性能的影响。
引用
@article{arxiv.2602.11216,
title = {Protein Language Model Embeddings Improve Generalization of Implicit Transfer Operators},
author = {Panagiotis Antoniadis and Beatrice Pavesi and Simon Olsson and Ole Winther},
journal= {arXiv preprint arXiv:2602.11216},
year = {2026}
}
备注
24 pages, 12 figures and 7 tables