北京大学等推出TFG-Flow框架，革新多模态分子生成技术

在当今药物研发与材料科学领域，设计具有特定性质的分子是实现科学突破的关键所在。这一任务通常被认为是时间密集且成本高昂的，传统方法依赖于大量的实验和试错过程，极大地限制了科研进度。但随着生成式AI模型的不断发展，这一领域正在迎来革命性的变化。

尽管生成式AI为分子设计提供了新的可能性，现有的生成模型仍然面临着两个主要瓶颈。许多生成模型只能处理连续型数据，对于分子设计中离散的原子类型与连续坐标共存的多模态数据缺乏有效处理的能力。这种限制使得在真实应用中难以充分利用生成模型的特点。数据生成的定向性通常需要进行额外的模型训练，这种方法不仅效率低下，还需要消耗大量的计算资源。

对此，近日由北京大学、卡耐基梅隆大学和斯坦福大学等机构的研究团队联合推出了TFG-Flow框架，该方法在无需进行额外模型训练的前提下，成功实现了多模态数据的定向分子生成。这项技术成果在药物分子设计以及量子属性匹配等应用中表现出了显著的优势，相关论文已被2025年国际学习表征大会（ICLR）接收。

TFG-Flow框架的核心构思是将分子视为由离散的原子类型（如碳、氧、氮等）和连续的三维坐标构成的多模态数据。面对这一结构，传统生成模型常常面临以下挑战：是维度灾难，离散变量的组合空间随原子数量的增加呈指数增长，导致计算复杂度大幅度上升；其次是几何不变性，分子的三维结构需要满足旋转和平移的不变性，这一特性在普通的梯度引导方法中很难得到保持。

针对这两个问题，TFG-Flow采用了创新性的双路径设计。在离散变量处理上，研究团队引入了蒙特卡洛重要性采样，将计算复杂度从指数级降至对数级。通过这种近似方法，相关的理论分析证实了这一方法的高效性和稳定性，结果显示仅需16次采样就可以高精度地估计所需的转移概率。为了确保连续变量的处理得当，研究团队还引入了旋转不变图神经网络（EGNN），确保坐标变换过程中分子性质不受影响。

在真实数据集的评估中，TFG-Flow在QM9和GEOM-Drug等分子数据集上进行了系统性验证。研究结果显示，以极化率（α）、偶极矩（μ）等六种量子属性为目标，TFG-Flow的平均绝对误差（MAE）相较于现有最优的无训练引导方法，降低了20.3%，其性能甚至接近那些需要针对特定任务进行训练的条件生成模型。

当以特定分子子结构为引导目标，TFG-Flow在QM9数据集上的生成分子与目标结构的相似度提升了76.8%，而在GEOM-Drug数据集中提升了22.4%，显示出其出色的结构控制能力。在CrossDocked2020数据集上，TFG-Flow生成的分子与蛋白质靶点的结合能达到-7.65，优于主流方法Pocket2Mol（-7.23）和TargetDiff（-7.32），同时保证了分子合成可行性（SA Score）处于合理水平。

TFG-Flow的成功不仅在于技术突破，更在于其方法论的创新。与传统方法不同，该框架无需针对每一个新目标重新训练模型，显著降低了计算资源的消耗，同时也为多模态数据的处理提供了更广泛的应用潜力，例如在蛋白质设计和材料发现等领域。TFG-Flow的开源代码使得化学家能够直接结合领域知识进行目标函数定义，促进了行业间的协作。

未来，研究团队计划探索更大规模的基础模型与TFG-Flow相结合，以进一步释放AI在科学发现中的潜力。审稿人对这项工作的评价是：“这项工作为生成模型在科学计算中的应用树立了新标杆。”随着研究的深入，TFG-Flow将为药物发现、材料科学等领域带来新的机遇与挑战。

总体而言，TFG-Flow框架的推出不仅是多模态分子生成领域的一次重要技术突破，更为科学界在相关领域的研究提供了新的思路和工具，标志着AI技术在科学探索中潜力的进一步释放。正随着科学技术的不断进步，我们期待着这一方法能够助力更多的科学发现。