087、扩散模型在药物发现与材料科学：当炼丹遇上扩散

上周在实验室调试一个分子构象生成的模型，损失函数一直震荡不收敛。盯着损失曲线看了半天，突然意识到问题出在扩散步长的设置上——我们直接照搬了图像生成的参数，但分子结构的键长键角变化尺度比像素值小两个数量级。这个坑让我重新思考扩散模型在科学计算领域的特殊性。

扩散模型进入分子空间

传统的药物发现流程里，分子设计像是大海捞针。化学空间估计有10^60种可能分子，而扩散模型提供了一种从噪声中“生长”出合理分子的方式。这里的关键在于表示方法：我们不能直接把分子当图像处理。

常见的做法有三种。一是SMILES字符串表示，把分子当成序列来处理，用离散扩散。但SMILES有个致命问题——轻微语法错误就会生成无效分子。我早期项目里超过40%的生成分子都无法通过语法检查，后来改用SELFIES表示才把有效率提升到90%以上。

# 分子扩散的典型训练循环片段deftrain_step(batch):# batch['coords']: 原子坐标 [B, N, 3]