# Lambda 报告称 EGInterpolator 缩小了 DRUGS 上的分子动力学差距

Lambda 将 EGInterpolator 描述为与斯坦福大学合作的 ICLR 2026 工作，该方法先从丰富的构象数据中学习分子结构，再从稀缺的 MD 轨迹中学习运动。在 DRUGS 基准上，该公司表示该方法将与参考模拟的差距缩小了：键角 73%、键长 78%、扭转运动 24%。

Language: zh-CN
Time zone: Asia/Shanghai
Current time (UTC, cached as of): 2026-11-10T06:09:00.000Z
Query date (Asia/Shanghai): 2026-11-10

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

Content language: zh-CN
Localization state: translated

来源：Lambda · 发布于 2026/9/22 03:03:56

Lambda 表示，分子动力学人工智能受限于昂贵的训练轨迹，并介绍了与斯坦福大学合作的 ICLR 2026 工作 **EGInterpolator**。该方法首先从丰富的构象数据中学习分子结构，然后利用稀缺的 MD 数据学习运动。

在 DRUGS 基准上，Lambda 表示 EGInterpolator 将与参考模拟的差距缩小了：键角 **73%**、键长 **78%**、扭转运动 **24%。**

还报告了结构优先的消融实验：移除预训练后，键角的平均 JSD 从 0.173 升至 0.332，键长的平均 JSD 从 0.142 升至 0.386。

Tags: EGInterpolator, 分子动力学, ICLR 2026, Lambda

[查看主帖原文](https://x.com/LambdaAPI/status/2102110872583987295)