阿迪尔·卡贝尔达

分子模拟通常需要在量子级精度与真实生物尺度的建模能力之间权衡。阿迪尔·卡贝尔达2025年发表于《美国化学会志》（JACS）的论文提出了SO3LR，这是一种以400万个中性及带电分子复合物为训练数据的机器学习力场。据论文报告，该系统使用单个图形处理器即可扩展至约200,000个原子，并已用于在显式溶剂环境中模拟蛋白质、糖蛋白和脂质双层。在聚丙氨酸基准测试中，论文称其力误差较AmberFF改善八倍，同时仍具备实用的规模扩展能力。卡贝尔达是第一作者兼通讯作者，并已发布包括QCell资源相关工作在内的配套数据。SO3LR是一项赋能研究的技术，而非药物；其重要意义在于，研究人员可以用表达能力更强的学习势函数检验更大规模的生物模拟。