高毅勤教授携星使智算产品Mokda亮相2026腾讯全球数字生态大会

10月30日,在2026腾讯全球数字生态大会的生命科学专场上,北京大学化学与分子工程学院新基石研究员高毅勤教授发表了《AI驱动生物分子体系模拟》的主题演讲,分享了其团队在分子模拟与人工智能融合等前沿领域的探索成果。作为由高教授团队孵化的创新型科技企业,星使智算自主研发的分子模拟软件——Mokda亮相本次大会,以微观世界的“数字试管”之姿重塑行业研发范式。

高毅勤教授指出,面对浩瀚无边的分子世界,传统的湿实验方法已经遇到瓶颈,而科学计算则在探索未知分子、突破研发周期方面起到了重要作用。Mokda正是基于高教授团队长期积累的自研SPONGE分子动力学套件与量子化学套件,打造而成的计算驱动分子研发工作站,目前已覆盖小分子药物研发、多肽/蛋白药物研发以及小核酸药物研发等应用场景。

北京大学化学与分子工程学院新基石研究员 高毅勤教授发表演讲

底层性能优越:建模提速百倍,计算效率超越国际主流工具

在演讲中,高毅勤教授披露了一系列针对Mokda底层计算能力的实测数据,展现了国产自研计算引擎的强大竞争力。在常规分子动力学模拟中,团队选取了原子数目从2万到200万不等的上百个体系进行测试,覆盖恒温恒容和恒温恒压两种常见场景,Mokda的计算速度均达到业界常用的GROMACS和Amber的约两倍。

在复杂的分子体系建模方面,Mokda直击传统科学计算工具高度依赖脚本和命令行的痛点,实现了点击式的可视化建模,相比传统方法,其建模速度提升超过100倍,且建出的模型更加准确和稳定。科研人员通过可视化界面即可完成分子编辑、体系搭建、任务调度与结果解析。

自由能微扰(FEP)计算是药物设计中评估分子结合强度的“金标准”方法,但传统方法的计算成本高昂。高教授表示,Mokda在该项任务上的精度已达到与业内顶尖商业软件FEP+基本相同的水平,在部分体系中甚至表现更优,同时计算效率也实现了成倍提升。这为研究人员开展候选分子评估与优化提供了新的计算工具选择。

深度融合AI:从分子模拟到干湿闭环的“数字试管”

除了优越的底层性能,Mokda的另一亮点在于将AI与科学计算无缝结合,打造真正懂科研人员的“数字试管”。高毅勤教授指出,AI与科学计算的关系不应是“两个工具箱的简单并列”,而应当是物理知识与数据驱动模型的相互约束与彼此自洽。

团队基于国产软硬件完成了对蛋白结构预测AI模型的从头训练,以第一性物理机制思想,将核磁、质谱等高通量实验信息注入模型,规避纯数据驱动带来的幻觉问题。通过输入极少量实验数据,模型就能显著提升蛋白结构预测的精度。此外,在冷冻电镜数据处理方面,团队发展的方法也能够将原本只解析单一构象时被浪费的90%以上的颗粒信息重新利用,并将低分辨率的电镜数据提升至原子级精度。

在分子表示学习与设计层面,高教授介绍了将小分子、蛋白质及细胞状态纳入可交互表示空间的研究思路,探索在统一框架下开展多目标分子设计。他还分享了团队与杭州师范大学、协和医院合作开展双靶点抑制剂分子设计的相关进展,在第一轮计算中即获得了优于已上市或临床阶段单靶点最优分子的候选,展示了人工智能与科学计算协同应用于分子设计的潜力。

坚守数据安全:全面适配国产算力,支持私有化部署

Mokda在提供高效计算服务的同时,也构建了严密的IT部署与数据安全防护体系。针对不同的数据敏感度与算力需求,平台提供三种灵活的部署模式:对于快速试用与任务型使用,公有云SaaS模式支持即日开通与云端加密存储;针对有算力弹性需求且数据敏感的场景,混合部署模式确保核心数据不出域,结合本地与云端弹性算力在数周内完成交付;而对于数据安全要求最高的客户,全私有化部署可实现完全物理隔离,依托客户现有算力,按项目定制化落地。

在算力平台适配方面,Mokda支持通过Pilot代理接入客户现有HPC/SLURM集群,不绑定特定硬件厂商,重点适配国产GPU/NPU/DCU等异构算力;在系统运维方面,Mokda采用轻量集群底座与离线部署方案,核心服务支持双副本高可用,并提供可视化运维控制台、健康检查与自动修复机制,提升系统运行的稳定性与可维护性;

在数据安全方面,系统通过物理隔离、数据不出域、HTTPS/mTLS传输加密与存储加密、RBAC细粒度权限控制、操作审计与日志留痕等机制,加强研发数据在传输、存储和使用过程中的安全管理;同时支持容器沙箱隔离,落实最小权限运行原则。

AI不是简单替代传统科学计算,而是把物理原理、实验证据与数据驱动结合,向真实细胞环境、真实生命过程不断靠近,为新药研发、蛋白工程、功能材料开辟全新路径。未来,星使智算将继续深耕Mokda这一核心计算底座,坚持底层算法自研,帮助研发人员在合成实验前优先筛选高潜力候选分子,将宝贵的湿实验资源集中在最有价值的方向上,加速生命健康与材料等行业的智能化升级。