苹果SimpleFold轻量AI模型发布，蛋白质预测更经济

9月25日最新消息，知名科技媒体9to5Mac在前一日曝出重磅消息——苹果研究团队研发了一款革命性的轻量级蛋白质结构预测模型SimpleFold。这款创新性AI采用了前沿的流匹配技术（Flow Matching），成功避开了传统模型中复杂的多序列比（MSA）等计算模块，显著降低了科研成本。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

报道指出，当前主流模型如AlphaFold2（由Google DeepMind开发）和RoseTTAFold虽然在预测精度上表现出色，但需要依赖计算资源密集的多序列比对和三角更新等复杂架构，导致训练和推理成本居高不下。苹果团队希望通过精简模型结构来降低使用门槛，让更多科研工作者能够从中受益。

SimpleFold的核心创新在于采用了2024年最新提出的流匹配技术。这项源自扩散模型的技术有一个革命性突破——它无需像传统方法那样逐步去除噪声，而是能够直接从随机噪声一步生成目标蛋白质结构。这种创新方式跳过了繁琐的迭代过程，使得计算效率显著提升，在文本生成图片和3D建模等领域已经证明其价值。

研究团队进行了系统性的实验验证，训练了从1亿到30亿参数不等的多个版本，并在国际公认的两大权威测评CAMEO22和CASP14上进行严格测试。这些评估全面检验了模型在不同蛋白质结构的预测能力、系统稳定性（Robustness，指模型在遇到异常输入或干扰时仍能保持稳定输出的能力）以及原子级别的精确度表现。

特别值得注意的是，SimpleFold在没有使用昂贵的多序列比对技术和三角注意力机制的情况下，在CAMEO22测试中已经能达到AlphaFold2和RoseTTAFold2约95%的性能水平。而其精简版SimpleFold-100M更是展现出惊人的效率，在保持高性能的同时，预测效果超过了ESMFold的90%，充分证明了这种新型架构的强大竞争力。

苹果研究团队强调，SimpleFold只是他们在蛋白质预测领域的第一步探索。他们期待这款开源模型能够激发科研社区开发出更多高效、强大的蛋白质生成工具，为药物研发和新材料探索带来革命性的突破。