打通科学计算与AI的融合之路:高毅勤教授携星使智算产品Mokda亮相2026腾讯全球数字生态大会
从浩瀚的分子世界到精准的科学计算,AI正在为生命科学研究拓展新的探索空间。分子世界的规模远超想象——潜在分子种类可达10的200多次方,远超宇宙原子总数(10的80次方),仅靠传统湿实验很难完成大规模探索,科学计算正成为破解这一难题的关键路径。
近日,在2026腾讯全球数字生态大会的生命科学专场上,北京大学化学与分子工程学院新基石研究员高毅勤教授发表《AI驱动生物分子体系模拟》主题演讲,分享了团队在分子模拟与人工智能融合等前沿领域的探索成果。作为由高毅勤教授团队孵化的创新型科技企业,星使智算自主研发的分子模拟软件Mokda亮相本次大会,以微观世界的“数字试管”之姿重塑行业研发范式。
高毅勤教授指出,面对浩瀚无边的分子世界,传统的湿实验方法已经遇到瓶颈,而科学计算则在探索未知分子、突破研发周期方面起到了重要作用。Mokda正是基于高教授团队长期积累的自研SPONGE分子动力学套件与量子化学套件,打造而成的计算驱动分子研发工作站,目前已覆盖小分子药物研发、多肽/蛋白药物研发以及小核酸药物研发等应用场景。
01 底层性能:建模提速百倍,计算效率超越国际主流工具
在演讲中,高毅勤教授披露了一系列针对Mokda底层计算能力的实测数据,展现了国产自研计算引擎的强大竞争力。团队选取原子数目从2万到200万不等的上百个体系进行测试,覆盖恒温恒容和恒温恒压两种常见场景,Mokda的计算速度均达到业界常用的GROMACS和Amber的约两倍。
在复杂的分子体系建模方面,Mokda直击传统科学计算工具高度依赖脚本和命令行的痛点,实现了点击式的可视化建模,相比传统方法建模速度提升超过100倍,且建出的模型更加准确、稳定。科研人员通过可视化界面即可完成分子编辑、体系搭建、任务调度与结果解析。
自由能微扰(FEP)计算是药物设计中评估分子结合强度的“金标准”方法,但传统方法计算成本高昂。高教授表示,Mokda在该项任务上的精度已达到与业内顶尖商业软件FEP+基本相同的水平,部分体系中甚至表现更优,计算效率同步成倍提升。基于自研引擎的核量子效应解析,还可定量计算化学反应、催化剂与酶催化过程中的核量子效应,观测到最高数千倍的同位素效应,对离子通道等生命机制研究具有重要价值。
02 深度融合AI:从分子模拟到干湿闭环的“数字试管”
除了硬核的底层性能,Mokda的另一亮点在于将AI与科学计算无缝结合,打造真正懂科研人员的“数字试管”。高毅勤教授指出,AI与科学计算的关系不应是“两个工具箱的简单并列”,而应当是物理知识与数据驱动模型的相互约束与彼此自洽。
团队基于国产软硬件完成了对蛋白结构预测AI模型的从头训练,以第一性物理机制思想,将核磁、质谱等高通量实验信息注入模型,规避纯数据驱动带来的幻觉问题——蛋白单体预测效果优于AlphaFold2,蛋白复合物预测性能显著超越AlphaFold Multimer。更关键的是,仅提供一对氨基酸邻近信息作为实验约束,模型在DockQ指标上的中位数即提升至0.7,优于AlphaFold3,逼近实验解析精度。
在冷冻电镜数据处理方面,多数功能蛋白存在多种构象,传统解析往往只能得到单一构象,90%以上的电镜颗粒数据被浪费。团队发展的新算法可充分利用原始数据,输出大量功能相关构象,将10埃低分辨电镜密度提升至原子级分辨率,补全缺失的结构片段。
在分子表示学习与设计层面,高教授介绍了将小分子、蛋白质及细胞状态纳入统一表征空间的研究思路,探索在统一框架下开展多目标分子设计。团队与杭州师范大学、协和医院合作开展双靶点抑制剂分子设计,在第一轮计算中即获得了优于已上市或临床阶段单靶点最优分子的候选;自研第三代小分子对接软件,单组蛋白-小分子高精度对接仅需0.3秒,重对接表现优于AlphaFold3等共折叠方案,计算耗时大幅降低。
03 科研智能体登场:把高门槛工具链变成“高年级研究生”
分子模拟、量子化学、生信分析、蛋白结构预测……工具链条长、参数繁多、使用门槛高,是横亘在科研人员与科学计算之间的普遍障碍。对许多湿实验团队而言,要跑通一套完整的计算流程,往往需要同时掌握脚本编写、参数调优与任务调度,学习成本极高。
高毅勤教授团队给出的解法,是搭建面向分子科学的科研智能体。它能够理解科研意图、自动规划研究流程,并调度运行从生信分析、结构预测、分子动力学到量子化学的全套计算任务——研究者提出研究目标,智能体负责接走“该用什么工具、按什么顺序、如何配置参数”的繁琐环节。
支撑这一能力的,是团队在“AI与科学计算无缝融合”上的系统积累:通过表示学习,小分子、蛋白质与细胞状态被纳入统一表征空间,实现跨层级交互设计;整合多套蛋白专项模型的混合专家系统,打通了“AI预测—湿实验验证—数据回流”的干湿闭环;自研第三代小分子对接软件,更将单组蛋白—小分子高精度对接压缩至0.3秒。
基于自建分子模拟测评库,该智能体已达到研究生三四年级(L3-L4)水平。这意味着,过去需要专业计算背景才能完成的分子模拟、结构预测等任务,未来有望在科研智能体的辅助下大幅降低门槛,让更多湿实验科学家也能借助AI完成“设计—验证”的闭环,把精力放回真正的科学问题本身。
04 坚守数据安全:全面适配国产算力,支持私有化部署
Mokda在提供高效计算服务的同时,也构建了严密的IT部署与数据安全防护体系。针对不同的数据敏感度与算力需求,平台提供三种灵活的部署模式:公有云SaaS模式支持即日开通与云端加密存储;混合部署模式确保核心数据不出域,结合本地与云端弹性算力在数周内完成交付;全私有化部署可实现完全物理隔离,依托客户现有HPC或GPU/NPU算力按项目定制化落地。
在算力平台适配方面,Mokda支持通过Pilot代理接入客户现有HPC/SLURM集群,不绑定特定硬件厂商,重点适配国产GPU/NPU/DCU等异构算力;在数据安全方面,系统通过物理隔离、数据不出域、HTTPS/mTLS传输加密与存储加密、RBAC细粒度权限控制、操作审计与日志留痕等机制,加强研发数据在传输、存储和使用过程中的安全管理。
05 面向未来
AI不是简单替代传统科学计算,而是把物理原理、实验证据与数据驱动结合,向真实细胞环境、真实生命过程不断靠近,为新药研发、蛋白工程、功能材料开辟全新路径。星使智算将继续深耕Mokda这一核心计算底座,坚持底层算法自研,帮助研发人员在合成实验前优先筛选高潜力候选分子,将宝贵的湿实验资源集中在最有价值的方向上,加速生命健康与材料等行业的智能化升级。
“
如果您有任何想法建议或合作需求,可以通过以下方式联系我们!
官方邮箱:contact@sidereus-ai.com
商务合作:business@sidereus-ai.com
人才招聘:hr@sidereus-ai.com
媒体联络:media@sidereus-ai.com
”