文章图片
文章图片
文章图片
起猛了 ， 苹果怎么搞起跨界AI模型了？？
发布了一个基于流匹配的蛋白质折叠模型SimpleFold ， 被网友戏称为“iFold” 。
SimpleFold没有花里胡哨的专属模块设计 ， 就靠通用的Transformer模块 ， 搭配流匹配生成范式 ， 3B参数版本追平了该领域顶流模型谷歌AlphaFold2的性能 。
苹果这波跨界看来玩的是化繁为简 。
MacBook Pro跑起来不费力首先来说说蛋白质折叠是怎么一回事 。
核心是将“一串”氨基酸折成特定的3D形状 ， 这样蛋白质才能发挥作用 。
而蛋白质折叠模型就是从氨基酸的一级序列预测它的三维空间构象 。
之前最厉害的模型 ， 比如谷歌的AlphaFold2 ， 虽然实现了突破 ， 但用了很多复杂的专属设计 。
比如要分析大量相似蛋白质的序列 ， 依赖多序列对比（MSA）构建进化信息、靠三角注意力优化空间约束、推理时需调用超算级算力 ， 普通实验室不太能用得起 。
但这款“iFold”用通用AI框架解决了这个问题 。
SimpleFold在架构上采用多层Transformer编码器作为核心骨干 ， 仅通过自适应层归一化适配蛋白质序列特征 ， 相当于用“通用工具箱”解决专属领域难题 。
【“iFold”，苹果AI新成果】核心创新在于引入流匹配生成技术 。
不同于扩散模型的逐步去噪 ， 流匹配通过学习从随机噪声分布到蛋白质构象分布的光滑映射 ， 实现一步式生成原子坐标 。
在训练阶段 ， 团队构建了包含900万条数据的混合数据集 ， 训练出了100M到3B参数的多尺度模型 ， 其中SimpleFold-3B在CAMEO22 基准测试中 ， 性能达到AlphaFold2的95% 。
在CASP14高难度测试集上 ， 超越同类流匹配模型ESMFold 。
还值得一提的是效率 ， 在搭载M2 Max芯片的MacBook Pro上 ， 处理512残基序列的推理时间仅需两三分钟 ， 远超传统模型的小时级耗时 。
研究团队这项研究的第一作者Yuyang Wang本科毕业于同济大学 ， 后赴美国卡内基梅隆大学深造 ， 陆续取得机械工程硕士、机器学习硕士以及机械工程博士学位 ， 长期的学习为其相关领域研究筑牢根基 。
他有在Momenta从事强化学习研发的实习经历 ， 还曾在苹果公司担任AI/ML Resident ， 专注于扩散模型研究 ， 之后成为苹果的机器学习研究员 。
通讯作者是华人机器学习工程师Jiarui Lu ， 本科毕业于清华大学 ， 就读期间还在朱军教授实验室中担任研究助理 。
随后 ， Lu在卡内基梅隆大学取得了机器学习硕士学位 ， 毕业后于2020年加入苹果公司 。
曾经主导了一套关于大模型工具调用能力的Benchmark——ToolSandbox这一苹果开源成果 。
关于这款“iFold” ， 有感兴趣的、想扒技术细节的朋友可戳文末链接～
论文地址：https://arxiv.org/abs/2509.18480代码地址：https://github.com/apple/ml-simplefold
参考链接：[1
https://x.com/iScienceLuvr/status/1970787581248905454
本文来自微信公众号“量子位” ， 作者：关注前沿科技 ， 36氪经授权发布 。
推荐阅读
- 高喊“改变”的小米，既要弥补遗憾、更在铺垫未来
- AI编程被指“水土不服”，这中间出了什么差错
- 中兴王翔：以“多快好省”破局创新鸿沟 深化数实融合加速AI普惠
- 技术、场景、生态共振：京东健康发起“AI普惠医疗加速计划”
- 华为开启“清仓模式”，从3999元降至2379元，512GB售价更亲民了
- 荣耀宣布清仓，从2999元跌至1689元，512GB高配版降至“谷底价”
- 小米“乱套了”，从4299元跌至2663元，高配旗舰反而售价更亲民了
- 被指“暗中”篡改浏览器配置！搜狗输入法客服：系测试功能异常，已修复
- 鹅卵石般抗“造”还安全！华硕Cobble鹅卵石移动固态硬盘盒测评
- “游戏最强芯”实锤！天玑 9500 GPU扛住高负载手游