AI化学模拟数据瓶颈争论与扩散模型新路线

2026年10月28日，AGI Hunt 报道了围绕 AI for Science 数据瓶颈的争论。质疑方以 AlphaFold 为例指出，其成功依赖政府资助50年、累计耗资200-300亿美元积累的单一蛋白质数据，因此这种数据基础难以在几年内复制到整个化学与生物领域，并将问题概括为“AlphaFold 级数据难题”。同日后续报道称，研究者 Timothy Duignan 提出用扩散模型与力匹配学习自由能面，通过收集位置与力的分布数据推进相关工作，且已用量子化学数据。目前争论仍集中在数据积累所需的时间与成本能否被压缩。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。