阿迪尔·卡贝尔达

药物发现所依赖的模拟，要么速度足以支持规模化应用，要么精度足以令人信赖；两者兼得并非易事。阿迪尔·卡贝尔达的博士研究推出了SO3LR，这是一种融合量子信息、面向真实生物分子系统设计的机器学习力场。该模型于2025年发表，卡贝尔达为第一作者兼通讯作者；模型使用400万个中性及带电分子复合物进行训练。据论文报告，该系统在单个图形处理器上可扩展至约200,000个原子，并已用于显式溶剂环境中的蛋白质、糖蛋白和脂质双层模拟。在聚丙氨酸基准测试中，论文报告称，其力误差较AmberFF改善八倍，同时保留了大型系统所需的可扩展性。2026年，卡贝尔达还参与构建了QCell数据集，进一步完善了人工智能分子科学领域的开放基础设施。这是一项赋能研究的技术，而非药物。