# Lambda、EGInterpolatorがDRUGSで分子動力学のギャップを縮小したと報告

Lambdaは、EGInterpolatorをStanfordとのICLR 2026の研究として説明し、豊富なコンフォーマーデータから分子構造を学習してから、乏しいMD軌跡から運動を学習するとした。DRUGSベンチマークでは、この手法が参照シミュレーションとのギャップを結合角で73%、結合長で78%、ねじれ運動で24%縮小したと述べた。

Language: ja
Time zone: Asia/Tokyo
Current time (UTC, cached as of): 2026-11-10T07:02:00.000Z
Query date (Asia/Tokyo): 2026-11-10

HTML: https://didcodexreset.com/ja/news/aba6e621858446cabad3c673.html

Content language: ja
Localization state: translated

出典：Lambda · 2026/9/22 04:03:56 公開

Lambdaは、分子動力学向けAIは高価な学習軌跡によって制約されると述べ、StanfordとのICLR 2026の研究として**EGInterpolator**を発表した。この手法はまず豊富なコンフォーマーデータから分子構造を学習し、次いで乏しいMDデータを用いて運動を学習する。

DRUGSベンチマークにおいて、LambdaはEGInterpolatorが参照シミュレーションとのギャップを結合角で**73%**、結合長で**78%**、ねじれ運動で**24%**縮小したと述べた。

構造優先のアブレーションも報告された。事前学習を除去すると、平均JSDは結合角で0.173から0.332へ、結合長で0.142から0.386へ増加した。

Tags: EGInterpolator, 分子動力学, ICLR 2026, Lambda

[元の投稿を見る](https://x.com/LambdaAPI/status/2102110872583987295)