不过，经典分子动力学采用分子系统的简化表示，实现长时间构象变化的快速模拟速度，但准确性较低。相比之下，像密度泛函理论这样的量子力学模型提供了自下而上的计算，但对于大生物分子来说，计算成本过高。

不过，经典分子动力学采用分子系统的简化表示，实现长时间构象变化的快速模拟速度，但准确性较低。相比之下，像密度泛函理论这样的量子力学模型提供了自下而上的计算，但对于大生物分子来说，计算成本过高。

最近，微软研究院开发的AI²BMD登上了Nature。这是生物分子动力学（MD）模拟中，继经典MD和量子力学之后，首个成功地兼顾了模拟效率和精度的开创性方法！AlphaFold之后，AI在生化科学领域带来的革新仍在继续。

Meta 发布开源数据集 OMat24 以及预训练模型 EquiformerV2。其中 OMat24 数据集包含超过 1.1 亿以结构和成分多样性为重点的 DFT 计算结果。