Vietnamese onlyThe learning content is available in Vietnamese only. The surrounding interface follows your language.
Ứng dụng AI để đẩy nhanh khám phá khoa học, từ dự đoán cấu trúc protein đến thiết kế vật liệu mới.
lesson120 minXu hướng mớiAI Researcher
Dự đoán
AI giảm từ 10-15 năm xuống 3-5 năm, từ 2.6 tỷ USD xuống 500M-1B. AlphaFold dự đoán target structure, ML screen triệu hợp chất, AI optimize lead compounds. Nhưng vẫn cần clinical trials (con người) để validate. Giống buồng mô phỏng: bay giả trước, bay thật sau.
Khoảnh khắc A-ha
AlphaFold dự đoán cấu trúc 200 triệu protein — nhiều hơn tổng số protein đã được giải bởi nhà khoa học trong cả lịch sử loài người! GNoME khám phá 2.2 triệu vật liệu mới, tương đương 800 năm nghiên cứu truyền thống. Điều thay đổi không phải là "AI giỏi hơn nhà khoa học", mà là nhà khoa học vừa có thêm một kính hiển vi phóng đại khả năng dự đoán lên 1000x . Việc họ làm tuần sau chính là việc họ hình dung cho 10 năm tới.
Thử thách
Equivariant GNN (ví dụ: MACE, NequIP) được thiết kế đặc biệt cho molecular systems. Equivariance: xoay phân tử → predictions xoay theo (không thay đổi tính chất scalar). Bảo toàn đối xứng vật lý → model chính xác hơn, generalize tốt hơn, cần ít data hơn.
pLDDT (predicted local distance difference test) là confidence nội bộ của AlphaFold: >90 tốt, 70-90 khá, 50-70 cần cẩn trọng, <50 có thể là vùng disorder. Với protein ít homolog, AlphaFold dựa ít vào MSA → confidence thấp. Kết hợp thực nghiệm giúp xác nhận.
Physics-informed ML và equivariance
AI for Science ứng dụng AI để đẩy nhanh khám phá khoa học — từ dự đoán cấu trúc protein đến thiết kế vật liệu và giải toán. Ở những bài toán cần suy luận sâu (AlphaProof, AlphaGeometry), AI for Science tận dụng mạnh các reasoning models để đưa ra chuỗi chứng minh dài. Ở những bài toán cần sinh dữ liệu huấn luyện cho hoá học/sinh học vốn ít nhãn, nó kết hợp với synthetic data.
Physics-Informed ML: bên cạnh data observations, hàm mất mát còn ràng buộc luật vật lý — bảo toàn năng lượng, đối xứng, tính liên tục...
Materials: GNoME (discovery), MACE/NequIP (ML potentials — simulation nhanh 1000x so với DFT).
Climate: GenCast, GraphCast (dự báo thời tiết/khí hậu chính xác hơn mô hình vật lý truyền thống).
Math: AlphaProof (theorem proving), AlphaGeometry 2 (hình học Olympic).
Code mẫu
Dự đoán cấu trúc protein với AlphaFold (sơ lược)
# AlphaFold inference (đã đơn giản hoá)fromalphafold.modelimportmodelfromalphafold.dataimportpipeline# Input: chuỗi amino acid một ký tự (fasta)sequence="MKFLILLFNILCLFPVLAADNHGVS..."# Protein sequence# Pipeline: MSA search + template search + feature extractionfeatures=pipeline.process(sequence)# Dự đoán cấu trúc 3Dprediction=model.predict(features)# Output: toạ độ 3D của mỗi atom (N, Ca, C, O, side-chain)# Confidence: pLDDT per-residue (0-100), ipTM cho đa chuỗiprint(f"Predicted structure: {prediction['atom_positions'].shape}")print(f"Confidence: {prediction['plddt'].mean():.1f}/100")# Lưu ra PDB để xem bằng PyMOL / ChimeraXfromalphafold.commonimportproteinasprotein_modulepdb_str=protein_module.to_pdb(prediction)withopen("output.pdb","w")asf:f.write(pdb_str)# Thực tế: dùng ColabFold (open-source) — pipeline nhẹ hơn,# chạy được trên Colab miễn phí, phù hợp lab nhỏ.
GNN cho binding affinity — khung mẫu với PyTorch Geometric
importtorchimporttorch.nn.functionalasFfromtorch_geometric.nnimportGINConv,global_mean_poolfromtorch_geometric.loaderimportDataLoaderclassMolGNN(torch.nn.Module):"""Graph Neural Network ước lượng binding affinity của một phân tử
với một protein mục tiêu (target đã fix)."""def__init__(self,atom_feat_dim=10,hidden=128,num_layers=3):super().__init__()self.embed=torch.nn.Linear(atom_feat_dim,hidden)self.convs=torch.nn.ModuleList([GINConv(torch.nn.Sequential(torch.nn.Linear(hidden,hidden),torch.nn.ReLU(),torch.nn.Linear(hidden,hidden),))for_inrange(num_layers)])self.head=torch.nn.Sequential(torch.nn.Linear(hidden,hidden),torch.nn.ReLU(),torch.nn.Dropout(0.2),torch.nn.Linear(hidden,1),)defforward(self,data):x=self.embed(data.x)forconvinself.convs:x=F.relu(conv(x,data.edge_index))# Pooling sang representation toàn phân tửg=global_mean_pool(x,data.batch)returnself.head(g).squeeze(-1)deftrain(model,loader,optim):model.train()forbatchinloader:optim.zero_grad()pred=model(batch)loss=F.mse_loss(pred,batch.y)loss.backward()optim.step()# Pipeline khái quát:# 1. Convert SMILES → graph (RDKit) với atom features + edge index# 2. Tạo Dataset, DataLoader# 3. Train MolGNN với MSE trên −log(Kd)# 4. Đánh giá trên tập ngoài — luôn giữ scaffold split, tránh leakage# do phân tử cùng "khung" rơi vào cả train và test.
GNN và message passing
Một phân tử được biểu diễn như đồ thị G = (V, E), với V là tập nguyên tử và E là tập liên kết. Mỗi node v có vec trạng thái h_v^(0). Qua mỗi lớp GNN:
Sau L lớp, mỗi node "thấy" được hàng xóm trong bán kính L bước. Readout (global pooling) tổng hợp các node thành đại diện toàn phân tử. Các biến thể phổ biến: GCN, GAT, GIN, Message Passing Neural Network (MPNN), SchNet (liên tục radial), DimeNet (bond angles), và equivariant variants như EGNN, MACE.
Vì sao AlphaFold thành công
Protein folding từng được Levinthal paradox mô tả: không gian cấu hình khổng lồ, tìm ngẫu nhiên sẽ mất thời gian nhiều hơn tuổi của vũ trụ. Thiên nhiên làm được trong micro-giây nhờ energy landscape có hình phễu.
AlphaFold 2 hội tụ 3 yếu tố:
MSA (Multiple Sequence Alignment): đồng tiến hoá cung cấp tín hiệu về cặp residue nào tiếp xúc nhau.
Evoformer: attention 2D trên cặp residue, cập nhật đồng thời MSA và pair representation.
Structure module: sinh toạ độ 3D trực tiếp, áp dụng loss hình học chứ không chỉ distance map. Equivariant frame giữ cho model có đầu ra xoay đúng khi input xoay.
Kết quả là GDT_TS trung bình ~92 trên CASP14 (theo nguồn bài, chưa kiểm chứng) — tương đương với phương pháp thực nghiệm tốt nhất, trong vài phút thay vì nhiều tháng.
Bảng so sánh nhanh các công cụ:
Công cụ
Lĩnh vực
Ghi chú sử dụng
AlphaFold 2/3
Protein structure
Mã nguồn mở (AF2), AF3 có qua web server
ColabFold
Protein (nhẹ)
Chạy trên Colab free — phù hợp lab nhỏ
RFDiffusion
Protein design
Generative — sinh cấu trúc từ constraint
DiffDock
Docking
Diffusion-based molecular docking
MACE / NequIP
ML potentials
Equivariant, dùng cho MD simulation
GenCast
Dự báo thời tiết
Diffusion ensemble — 15 ngày, chính xác hơn ECMWF
Tóm tắt
AI for Science đẩy nhanh khám phá 100-1000x — AlphaFold, GNoME, GenCast, AlphaProof là các mốc tiêu biểu.
Physics-informed ML: kết hợp data-driven với quy luật vật lý (symmetry, conservation, equivariance).
Equivariant architectures (GNN, MACE, NequIP) tôn trọng đối xứng vật lý — chính xác hơn, cần ít data hơn.
AI là 'postdoc siêu năng': dự đoán nhanh, simulate, đề xuất hypothesis. Nhưng nhà khoa học vẫn cần validate.
Drug discovery: từ 15 năm/2.6B USD xuống 3-5 năm/500M. Materials: 800 năm → 1 năm.
Luôn xem confidence (pLDDT, ipTM) và kiểm tra OOD — không coi output AI là sự thật cuối cùng.