苹果发布轻量AI模型SimpleFold，大幅降低蛋白质预测计算成本

【环球网科技综合报道】9月25日消息，据海外科技媒体 9to5Mac报道，苹果公司研究团队对外发布轻量级蛋白质折叠预测人工智能模型SimpleFold。该模型创新性采用流匹配方法，替代传统模型中多序列比对等复杂模块，在保障预测性能的同时，显著降低计算成本，为更多科研团队开展蛋白质相关研究创造有利条件，有望进一步推动药物研发与新材料探索进程。

蛋白质折叠预测是生命科学领域的重要研究方向，精准的预测结果能为疾病机理研究、药物设计等提供关键支撑。此前，谷歌DeepMind公司的AlphaFold2、RoseTTAFold等模型虽在预测精度上取得突破，但由于依赖多序列比对、三角更新等计算密集型特定架构，模型的训练与推理过程需投入大量计算资源，较高的硬件门槛限制了其在更广泛科研场景中的应用。

为解决这一痛点，苹果研究团队将目光投向流匹配技术。据悉，流匹配方法源自扩散模型，与传统扩散模型需通过逐步去噪生成目标结构不同，它能直接从随机噪声中一次性生成蛋白质目标结构，有效跳过多个去噪环节，不仅大幅减少计算量，还显著提升生成速度。目前，这一技术已在文本生成图像、3D建模等领域成功应用，其高效性得到充分验证。

为全面检验SimpleFold的性能，研究人员构建了参数规模从1亿到30亿不等的多个模型版本，并在CAMEO22和CASP14两大权威基准测试中展开评估。这两项测试覆盖模型泛化性、鲁棒性（即系统或过程在面临干扰、不确定性或异常输入时，维持功能稳定运行的能力）及原子级精度等关键维度。结果显示，SimpleFold在性能上稳定优于同类流匹配模型ESMFold，且整体表现可与顶尖蛋白质折叠预测模型媲美。

具体数据表明，不依赖昂贵多序列比对和三角注意机制的SimpleFold，在CAMEO22测试中性能达到AlphaFold2、RoseTTAFold2的约95%；而参数规模更小的SimpleFold-100M版本，在保持高效计算特性的同时，性能超过ESMFold的90%。这一成果不仅验证了SimpleFold的优异性能，更证明了通用架构模块在蛋白质预测领域的可行性与竞争力。（纯钧）