arXiv｜微软研究院：驱动科学发现与创新的跨领域AI大模型NatureLM

本文介绍了微软研究院科学智能中心开发的NatureLM，这是一个旨在整合多个自然科学领域建模工作的基础语言模型。背景方面，自然科学各领域长期存在知识体系独立、跨学科协作困难的问题，制约了科学整体发展。研究目的是通过NatureLM打破学科壁垒，该模型融合自然语言和人类语言，覆盖小分子、蛋白质、材料等多个领域，提供跨学科AI工具。NatureLM基于GPT架构，通过多领域数据预训练和指令微调，提供三种规模版本以适应不同需求。应用案例显示，NatureLM在化合物分子设计、蛋白设计和材料设计等方面表现优异，如生成与靶点蛋白结合的化合物、设计血红素结合蛋白以及具有特定体积模量的新材料。结论指出，NatureLM为跨学科研究提供了强大工具，有望推动科学发现与创新，尽管在某些技术细节上仍有改进空间。