1300万年缩至0.25秒！中国AI把化学反应拍成电影

十万个原子发生一次化学反应，用传统量子化学方法模拟，每推进一步理论上约需一千三百万天，约三万五千六百多年，现实中难以执行。模拟每步只推进1飞秒，却要重算十万个原子的电子结构和相互作用力，完整反应需几十万甚至几百万步。计算化学因此长期受困于“不可能三角”：精度、速度、尺度只能取其二。量子力学精度高但尺度小，经典力场速度快却无法描述成键断键，QM/MM又受边界误差困扰，机器学习力场则难以通过长时间稳定性考验。

分子之心自主研发的反应性机器学习力场QuantaMind，以接近DFT的精度、与经典分子动力学相当的速度，在万原子级体系上稳定模拟完整酶催化循环，并在内部产业项目中把尺度推到十万原子、百纳秒。论文登上《Science Advances》。十万原子级反应体系单步模拟耗时从传统方法的千万天量级压缩到0.25秒，提速4.5万亿倍。

反应性模拟难在三点：精度要求极高，化学反应涉及电子结构变化，DFT成本随体系增大迅速不可承受；时间尺度极长，罕见事件需数十万至数百万时间步连续推演且不能崩溃；空间尺度极大，真实生物体系动辄数万乃至十万原子。MLFF虽被寄予厚望，但单构型准确不等于能完成可靠长时间模拟，许多模型长轨迹会出现能量漂移和构型崩坏。

QuantaMind围绕“反应性”重新设计数据组织和训练方法。其一，以过渡态为中心的训练数据，纳入非平衡构型和反应数据，论文用5286个酶催化过渡态构型训练，让AI见过键断裂与形成的瞬间。其二，DFT方法分类嵌入，将计算设置编码为类别特征，统一利用不同精度数据。其三，主动学习式迭代闭环，先跑轨迹，识别覆盖不足构型，补充DFT继续训练，形成数据飞轮。稳定性方面，1ns NVE模拟中纯水体系总能量漂移仅10⁻⁵ kcal/mol/atom/ps量级，可支撑数十纳秒模拟。

验证结果有四个关键数字。第一，质子转移模拟中，六种水体系各做1纳秒模拟，最大24001原子，预测扩散系数0.87±0.10 Ų/ps，与实验值0.94、0.96高度吻合，相比此前同类MLFF研究偏差降低约87%，且模型未专门训练水合氢离子。第二，373K下对9999原子体系模拟3纳秒，捕获多次自发电离，预测平均pH 6.34±0.06，接近实验值6.13±0.03，模型未预写经验酸碱规则。第三，溶菌酶放入真实磷酸盐缓冲液模拟20纳秒，估算His15 pKa约5.81，与NMR实验值5.5接近。第四，对17792原子体系做全原子反应性模拟，完整模拟酰化、脱酰化和催化位点恢复，限速步骤能垒14.5±0.1 kcal/mol，落在实验LCC类酶14.5–16.5区间，抽取342个构型做DFT单点验证，原子力分量Pearson相关系数均超0.99。

内部测试中，QuantaMind推理速度达约2.1×10⁻⁶秒/原子/步，较论文版本提升近一倍，达到当前MLFF的SOTA水平。模拟体系从万原子级扩大到十万原子级，时长从纳秒级拓展至百纳秒级。在酶工程领域，分子之心已将QuantaMind用于复杂酶催化反应模拟，通过计算与实验结合发现多种复杂催化酶反应机理，对后续突变选择起到关键指导作用。