分子之心研发的反应性原子建模平台QuantaMind相关研究发表于《Science Advances》，论文中验证了含17792个原子的PET水解酶完整催化循环；提交后的扩展测试达到十万原子级、百纳秒尺度。
AI解读：这条新闻要解决的问题是：AI已经能预测蛋白质长什么样，但算不出它怎么工作——质子怎么转移、化学键怎么断、药物结合后构象怎么变。分子之心把反应性分子动力学（追踪原子持续运动、捕捉键断裂与生成）做到了大型生物体系可用，精度接近密度泛函理论（DFT）。
受影响的首先是做酶工程和抗体药物设计的人。过去他们只能靠多轮湿实验试错，现在可以在计算端先看反应机理、锁定关键突变位点，再缩小实验范围。论文报告在约1.8万原子的PET水解酶体系上跑完6纳秒完整催化循环，抽取342个构型与DFT对比，原子力分量Pearson相关系数均超过0.99。
要注意证据边界。规模十万原子、时长百纳秒是论文提交后扩展测试的结果，论文中实际验证的最大体系是24001原子、最长20纳秒；每纳秒模拟约需20小时（约1.8万原子体系），效率提升不等于免费。产业案例（如pH敏感抗体在pH6.0解离速率达pH7.4下62倍）来自分子之心实际项目，不是论文数据。
分子之心自主研发的反应性原子建模平台QuantaMind相关研究发表于《Science Advances》。论文报告，该平台首次将接近密度泛函理论（DFT）精度的反应性分子动力学推进至数万原子级生物体系和数十纳秒时间尺度；论文提交后的最新扩展测试进一步达到十万原子级和百纳秒尺度。
反应性分子动力学通过追踪原子的持续运动，捕捉质子转移与化学键断裂/生成的完整过程，被视为理解分子“怎样工作”的关键手段。此前该领域长期面临精度、速度与尺度难以兼得的困境：DFT精度高但只能处理极小体系和极短时间；经典分子动力学能算大体系，却无法描述化学键断裂与生成；已有机器学习力场在小分子上表现不错，但在大型生物体系的长时推演中难以维持稳定性。
论文通讯作者、分子之心创始人许锦波表示：“过去，AI技术学会了回答分子‘长什么样’；下一步，我们希望进一步回答分子‘为什么这样运动、为什么这样反应’。QuantaMind希望成为连接分子设计、机制模拟与实验验证的关键基础设施，推动建立更加完整、可信的AI分子研发新范式。”
分子之心称，QuantaMind发布后，其技术矩阵覆盖蛋白质生成模型NewOrigin、结构预测模型MMFold、从头设计平台MMDesign以及动态反应模拟引擎QuantaMind，形成“生成—设计—预测—机理理解”链路，这些功能将集成至分子之心AI原生生物经济操作系统MoleculeOS。
论文实测：17792原子PET水解酶跑完6纳秒完整催化循环
论文最关键的生物体系验证中，QuantaMind对包含17792个原子的PET水解酶体系进行了6纳秒反应性分子动力学模拟，完成完整催化循环模拟。这意味着模拟不再局限于观察蛋白质构象运动，而是能连续追踪催化过程中涉及的化学反应过程。
研究团队从反应轨迹中抽取342个构型进行独立DFT单点计算，结果显示原子力分量的Pearson相关系数均超过0.99，表明QuantaMind在这些反应轨迹覆盖的构型上与参考DFT势能面保持高度一致。
论文还做了多层次验证：在24001个原子的水体系中，模拟水中质子扩散系数为0.87±0.10Ų/ps，实验值为0.94/0.96；对9999个原子的水体系模拟3纳秒，捕获多次自发电离事件，模拟得到水的自解离pH为6.34±0.06，实验值为6.13±0.03；将溶菌酶放入水分子和磷酸盐离子构成的模拟缓冲环境开展20纳秒模拟，估算第15位组氨酸残基（His15）的pKa约为5.81，核磁共振实验测得值为5.5。
效率与规模数据：A100上4.2×10⁻⁶秒/原子/步，扩展测试降至0.25秒/时间步
论文报告，在NVIDIA A100 80GB GPU上，QuantaMind推理速度达到4.2×10⁻⁶秒/原子/步，与当前最先进的机器学习力场相当；对论文实际验证的约18000原子PETase体系，每纳秒模拟约需20小时。
最新扩展测试显示，QuantaMind推理速度达到2.1×10⁻⁶秒/原子/步，可将十万原子级反应体系单位时间步的模拟计算耗时降至0.25秒。
规模方面，论文成功拓展至24001原子水体系和17792原子酶催化体系，最新扩展测试已达十万原子级；时长方面，论文实现最长20纳秒稳定模拟，足以覆盖完整酶催化循环，最新扩展测试已推进至百纳秒尺度。
产业应用：pH敏感抗体与酶改造，均来自论文之外的实际项目
分子之心表示，以下产业应用案例来自论文之外的实际项目。当高精度动态反应轨迹进入研发流程，QuantaMind的产业价值不只是“看见”分子如何反应，而是把过去只能通过多轮实验逐步摸索的机制问题，前置为可计算、可分析、可用于指导设计的研发变量。
药物研发方面，静态对接无法准确预测分子在体内微观环境（如不同pH介质）中的动态作用过程。凭借动态质子化与pKa估算能力，QuantaMind能捕捉关键残基在不同pH下的状态切换，解析其对电荷、构象及相互作用的微观影响，辅助pH敏感抗体与大分子设计。在一项延长半衰期的pH敏感抗体设计项目中，QuantaMind辅助设计的候选抗体在pH6.0下的解离速率达到pH7.4下的62倍。分子之心称，这样的结果过去往往需要多轮湿实验才能偶然获得，现在可以在计算端先完成机制分析与方向筛选。此外，十万原子级反应体系能力也为未来支撑显式溶剂下全长抗体-抗原复合物的完整动态相互作用提供了计算基础。
酶工程方面，传统酶改造依赖多轮表达、纯化与活性测试，面临“候选方案多、验证成本高、试错周期长”的困境。QuantaMind能够重现酶催化关键步骤。分子之心称，在实际产业项目中，其借助QuantaMind探明多种复杂催化酶的反应机理，锁定关键突变位点，直接指导后续突变选择，缩小湿实验范围，降低研发成本与时间周期。