蘋果研究團隊近期發表一項新成果，一款名為 SimpleFold 的人工智慧模型，用來預測蛋白質的三維結構。這個領域過去由 Google DeepMind 的 AlphaFold 掌握主導，但其運算成本高昂，限制了應用範圍。蘋果希望以更簡單、更高效的方法，讓這項關鍵技術能被更廣泛使用。
為何蛋白質摺疊重要？
蛋白質是生命活動的基礎，其三維結構決定功能。過去要準確預測一個蛋白質的結構，往往需要科學家花費數月甚至數年的時間。Google DeepMind 在 2020 年推出的 AlphaFold 讓這個過程大幅加速，能在幾小時甚至幾分鐘內完成，被視為醫藥研發和新材料設計上的重大突破。
然而 AlphaFold、RoseTTAFold 等模型雖然準確度極高，卻需要昂貴的運算資源，框架設計也相對複雜。這使得即便技術已被證明有效，能否大規模普及仍是一大挑戰。
蘋果則是採取不同做法，SimpleFold 採用了「flow matching 模型」的新方法，這種方法原本應用在文字轉圖片、文字轉 3D 的 AI 中，能夠讓模型跳過傳統 diffusion 模型的多次「去噪」步驟，直接把隨機雜訊轉換成完整結果。好處是計算成本低、速度更快。
蘋果研究人員訓練了不同規模的 SimpleFold（從一億到三十億參數不等），並在兩個國際常用的蛋白質結構預測基準（CAMEO22 與 CASP14）上測試。結果顯示，SimpleFold 雖然設計簡單，但效能相當亮眼，在多數指標上達到 AlphaFold2 與 RoseTTAFold2 九成五以上的水準，同時省下大量運算成本。即便是最小規模的版本，也能在效率與準確度間取得不錯平衡。
研究團隊也發現，隨著模型規模擴大，效能持續提升，顯示未來若投入更多數據與資源，SimpleFold 仍有相當成長空間。
SimpleFold 對於蘋果來說有相當重要的戰略意涵，該公司過去鮮少在生物科技領域公開成果，此次 SimpleFold 的推出，顯示其在 AI 研發上不僅關注語言、圖像處理，也開始探索生命科學應用。對蘋果而言，這不僅是展示技術實力，也可能是為未來醫療健康、生技相關產品或服務鋪路。
研究團隊強調，SimpleFold 只是第一步，他們希望這能成為推動學界與業界共同開發「高效又強大」蛋白質生成模型的起點。換句話說，蘋果不僅是在補足現有 AI 模型的缺點，也在為未來打造新的生物科技應用可能性。
（圖片來源：截自 arXiv）
科技新報粉絲團
加入好友
訂閱免費電子報
