待验证50% 置信预测精确时间
当co-folding技术跨越准确性阈值后，扩散模型将从被动筛选工具转变为主动生成理想结合特性全新分子的设计引擎
1
来源数
50%
置信度
长期有效
时效性
2026/7/6
首次发现
来源
扩散模型革命：AI药物发现的下一个前沿
rss2026/7/1
相关事实
部分验证Sakana AI此前发表研究展示了通过模型合并（Model Merging）技术将多个已训练模型权重组合，创造性能超越原始模型的新模型，并可通过进化算法自动搜索最优合并策略64% 相似待验证扩散模型可对整个序列并行去噪，而非像自回归模型那样逐字推进，理论上能提升生成吞吐量63% 相似待验证算法改进创新方向包括对遗传算法、粒子群优化和模拟退火等经典算法引入自适应参数和混合策略63% 相似待验证一致性模型试图将扩散模型多步去噪过程压缩至1-4步完成，理论上可将推理速度提升10-50倍62% 相似待验证扩散模型通过模拟从噪声到结构的去噪过程能有效采样配体的多种低能构象，DiffDock采用此核心技术路线62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/114582API
curl https://kongchang.com/api/v1/knowledge/claims/114582MCP
get_claim(id=114582)