Lambda 報告 EGInterpolator 縮減 DRUGS 上的分子動力學差距
Lambda 將 EGInterpolator 描述為與史丹福大學合作的 ICLR 2026 研究，該方法先從大量構象數據學習分子結構，再從稀缺的 MD 軌跡學習運動。在 DRUGS 基準上，該公司表示此方法將與參考模擬的差距縮減了鍵角 73%、鍵長 78% 以及扭轉運動 24%。
Lambda 將 EGInterpolator 描述為與史丹福大學合作的 ICLR 2026 研究，該方法先從大量構象數據學習分子結構，再從稀缺的 MD 軌跡學習運動。在 DRUGS 基準上，該公司表示此方法將與參考模擬的差距縮減了鍵角 73%、鍵長 78% 以及扭轉運動 24%。