09:49
官方账号arXiv cs.LG@Kaustav Mehta
推荐理由：给AI科学应用开发者的新视角：AlphaFold2的权重里藏着比静态预测更丰富的构象信息，用高斯卷积就能读出蛋白质折叠动力学线索。
蛋白质构象
共 1 条相关 AI 资讯
7月20日
09:49
研究提出对AlphaFold2的9300万参数进行直接分析，通过高斯卷积平滑Evoformer权重张量，发现训练后的模型产生物理结构的构象图谱。泛素扰动下原生接触断裂顺序与数十年折叠实验一致。五个独立训练的KaiB模型均未恢复替代折叠，而α-突触核蛋白产生五种不同但连贯的图谱。随机噪声控制证实构象源于学习而非噪音，该涌现特性非显式训练目标。