# Lambda, EGInterpolator가 DRUGS에서 분자 동역학 격차를 줄인다고 보고

Lambda는 EGInterpolator를 풍부한 컨포머 데이터에서 분자 구조를 학습한 후 부족한 MD 궤적에서 운동을 학습하는 Stanford와의 ICLR 2026 공동 연구로 설명했다. DRUGS 벤치마크에서 이 방법이 참조 시뮬레이션과의 격차를 결합각에서 73%, 결합 길이에서 78%, 비틀림 운동에서 24% 줄였다고 밝혔다.

Language: ko
Time zone: Asia/Seoul
Current time (UTC, cached as of): 2026-11-10T07:34:00.000Z
Query date (Asia/Seoul): 2026-11-10

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

Content language: ko
Localization state: translated

출처: Lambda · 2026. 9. 22. 04:03:56 게시

Lambda는 분자 동역학을 위한 AI가 비용이 많이 드는 훈련 궤적으로 인해 제약을 받는다고 말하며, Stanford와 함께한 ICLR 2026 연구로 **EGInterpolator**를 발표했다. 이 방법은 먼저 풍부한 컨포머 데이터에서 분자 구조를 학습한 다음, 부족한 MD 데이터를 사용해 운동을 학습한다.

DRUGS 벤치마크에서 Lambda는 EGInterpolator가 참조 시뮬레이션과의 격차를 결합각에서 **73%**, 결합 길이에서 **78%**, 비틀림 운동에서 **24%** 줄였다고 밝혔다.

구조 우선 제거 실험도 보고되었다: 사전학습을 제거하면 결합각의 평균 JSD가 0.173에서 0.332로, 결합 길이의 평균 JSD가 0.142에서 0.386으로 증가했다.

Tags: EGInterpolator, 분자 동역학, ICLR 2026, Lambda

[원문 게시물 보기](https://x.com/LambdaAPI/status/2102110872583987295)