苹果发布基于流匹配的蛋白质折叠模型SimpleFold，被网友称为“iFold”。

该模型采用通用Transformer架构，未使用专属模块设计，通过流匹配生成范式实现从氨基酸序列到3D结构的预测。

SimpleFold-3B参数版本在CAMEO22基准测试中达到AlphaFold2性能的95%，并在CASP14高难度测试集上超越同类模型ESMFold。

模型依赖自适应层归一化适配蛋白质特征，利用流匹配技术学习从噪声分布到构象分布的映射，支持一步式生成原子坐标。

训练使用包含900万条数据的混合数据集，涵盖100M至3B参数规模的多尺度模型。

在搭载M2 Max芯片的MacBook Pro上，处理512残基序列推理仅需两三分钟，显著优于传统模型小时级耗时。

研究第一作者Yuyang Wang本科毕业于同济大学，后获卡内基梅隆大学机械工程硕士、机器学习硕士及机械工程博士学位，曾在Momenta实习，现为苹果机器学习研究员。

通讯作者Jiarui Lu本科毕业于清华大学，在朱军教授实验室任研究助理，后获卡内基梅隆大学机器学习硕士学位，2020年加入苹果，曾主导开源项目ToolSandbox的开发。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。