2026年7月30日 · APO
APO: Unsupervised Atomic Policy Optimization for 3D Structure Prediction of Atomic Systems
APO（Atomic Policy Optimization）是一种用于原子系统3D结构预测的无监督对齐框架，通过双奖励机制（特征奖励和热力学稳定性奖励）消除对真实参考结构的需求。在晶体和抗体结构预测基准上，APO持续优于全监督基线。
EVENT STORY
发展脉络
- 首次出现APO: Unsupervised Atomic Policy Optimization for 3D Structure Prediction of Atomic SystemsarXiv cs.AI
- 当前判断APO表明无监督对齐在结构预测领域可超越监督方法，可能降低对昂贵实验标签的依赖，加速新材料和药物发现。Agent Pulse · 分析
APO（Atomic Policy Optimization）是一种用于原子系统3D结构预测的无监督对齐框架，通过双奖励机制（特征奖励和热力学稳定性奖励）消除对真实参考结构的需求。在晶体和抗体结构预测基准上，APO持续优于全监督基线。
APO将组相对策略优化（GRPO）适配到3D原子环境，通过特征分解样本相似性来强化策略的主导潜在结构模式，并施加热力学稳定性约束，使模型在采样组内自我纠正，无需真实坐标标签。
APO表明无监督对齐在结构预测领域可超越监督方法，可能降低对昂贵实验标签的依赖，加速新材料和药物发现。
APO可能降低结构预测的成本，使缺乏实验数据的团队也能获得高质量预测，对材料科学和药物研发企业具有潜在价值。
后续可关注APO在更大规模数据集上的表现，以及其是否可扩展到其他原子系统（如蛋白质复合物）或与其他生成模型结合。