ONE is preparing: 01 / INITIALIZING MODEL ROUTER. Evaluating routing across providers.
Current state
01 / INITIALIZING MODEL ROUTER.

Evaluating routing across providers.

Start learning
← Xu hướng mới

AI Researcher

AI cho Khoa học — Phòng thí nghiệm ảo

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

Để tìm ra 1 loại thuốc mới, truyền thống mất 10-15 năm và 2.6 tỷ USD. AI có thể giảm bao nhiêu?

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

Bạn muốn dùng AI thiết kế vật liệu pin mặt trời mới. Cần mô hình hiểu: đối xứng tinh thể, liên kết hoá học, tính chất điện tử. Kiến trúc ML nào phù hợp?

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.

Bạn chạy AlphaFold cho một protein 'orphan' chưa ai giải cấu trúc, và nhận pLDDT trung bình 45/100. Nên làm gì?

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...

L=Ldata⏟fit observations+λ⋅Lphysics⏟satisfy physical laws\mathcal{L} = \underbrace{\mathcal{L}_{\text{data}}}_{\text{fit observations}} + \underbrace{\lambda \cdot \mathcal{L}_{\text{physics}}}_{\text{satisfy physical laws}}

Với equivariance, phép biến đổi trên input có đối ứng trên output:

f(g⋅x)=g⋅f(x)∀g∈Gf(g \cdot x) = g \cdot f(x) \quad \forall g \in G

Trong đó G là nhóm đối xứng (xoay SO(3), tịnh tiến, hoán vị atom). Cài G vào kiến trúc → model tự động biết rằng xoay phân tử không đổi năng lượng.

Bốn lĩnh vực chủ chốt

Bốn lĩnh vực chủ chốt hiện nay:

  • Protein/Drug: AlphaFold (structure), RFDiffusion (design), DiffDock (molecular docking), AlphaFold 3 (multi-modal interactions).
  • 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)
from alphafold.model import model
from alphafold.data import pipeline

# Input: chuỗi amino acid một ký tự (fasta)
sequence = "MKFLILLFNILCLFPVLAADNHGVS..."  # Protein sequence

# Pipeline: MSA search + template search + feature extraction
features = pipeline.process(sequence)

# Dự đoán cấu trúc 3D
prediction = 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 chuỗi

print(f"Predicted structure: {prediction['atom_positions'].shape}")
print(f"Confidence: {prediction['plddt'].mean():.1f}/100")

# Lưu ra PDB để xem bằng PyMOL / ChimeraX
from alphafold.common import protein as protein_module
pdb_str = protein_module.to_pdb(prediction)
with open("output.pdb", "w") as f:
    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

import torch
import torch.nn.functional as F
from torch_geometric.nn import GINConv, global_mean_pool
from torch_geometric.loader import DataLoader

class MolGNN(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 _ in range(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),
        )

    def forward(self, data):
        x = self.embed(data.x)
        for conv in self.convs:
            x = F.relu(conv(x, data.edge_index))
        # Pooling sang representation toàn phân tử
        g = global_mean_pool(x, data.batch)
        return self.head(g).squeeze(-1)


def train(model, loader, optim):
    model.train()
    for batch in loader:
        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:

hv(l+1)=UPDATE(hv(l),⨁u∈N(v)MSG(hu(l),hv(l),euv))h_v^{(l+1)} = \text{UPDATE}\left(h_v^{(l)}, \bigoplus_{u \in N(v)} \text{MSG}(h_u^{(l)}, h_v^{(l)}, e_{uv})\right)

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 cụLĩnh vựcGhi chú sử dụng
AlphaFold 2/3Protein structureMã nguồn mở (AF2), AF3 có qua web server
ColabFoldProtein (nhẹ)Chạy trên Colab free — phù hợp lab nhỏ
RFDiffusionProtein designGenerative — sinh cấu trúc từ constraint
DiffDockDockingDiffusion-based molecular docking
MACE / NequIPML potentialsEquivariant, dùng cho MD simulation
GenCastDự báo thời tiếtDiffusion 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.

Continue the module

Lesson 6 of 6