AF3 创新点总结
AlphaFold3 在 AlphaFold2 的基础上进行了多项关键创新，进一步提升了蛋白质、RNA 及其相互作用复合物的三维结构预测精度。以下是 AlphaFold3 主要的创新点总结：
1. 生成式扩散模型 (Diffusion-Based Structure Generation)
(1) 扩散模型驱动的结构生成
- 采用 扩散生成模型 生成三维结构，通过前向加噪和反向去噪的方式预测原子坐标。
- 前向扩散： 在真实结构 x0 中注入噪声，生成带噪结构 xt：
- 逆向扩散： 从随机噪声 xT 逐步去噪，生成最终结构：
- 关键组件：
- DiffusionModule：核心扩散模型，执行加噪与去噪过程。
- DiffusionConditioning：生成条件输入，引导扩散生成。
- DiffusionTransformer：通过多头自注意力增强生成特征。
(2) 动态噪声调度 (Dynamic Noise Scheduling)
- 通过动态调整扩散步长 tt，实现了多尺度结构生成：
- 高噪声阶段： 生成全局骨架结构。
- 低噪声阶段： 优化局部几何关系。
- 通过
c_in、c_skip、c_out控制扩散强度：
