模型与 Benchmark板块首页
总览
AI for Bio benchmark 总览模型 × benchmark 配对矩阵训练数据从哪来:公开库、私有授权、自产 wet lab 与…模型索引:112 个模型按领域分组44 个 benchmark 的规模、更新与 wet la…
Benchmark 档案:核心 30 项
01 CASP02 ProteinGym03 MoleculeNet04 TDC05 PoseBusters06 CASF-201607 USPTO family08 Basenji/Enformer test set09 scIB10 GuacaMol11 ClinVar hold-out protocol12 DUD-E / LIT-PCBA13 CAGI14 PubMedQA15 CAMEO16 GUE + Nucleotide Transform…17 CAFA18 LAB-Bench / LABBench219 PMO20 CACHE21 DREAM5 / BEELINE / CausalB…22 CAPRI23 BioASQ24 虚拟细胞挑战赛与扰动预测评测25 RNA-Puzzles26 FLIP / FLIP227 Polaris / ASAP / OpenADMET28 Adaptyv competitions / Ben…29 BixBench30 PLINDER / PINDER / Runs N'…
Benchmark 档案:补充 14 项
31 FoldBench32 CrossDocked202033 PoseX34 AbBiBench35 FLAb / FLAb236 AIntibody37 TraitGym38 BEND39 RNAGym40 MotifBench41 BioML-bench42 BioMysteryBench43 Ginkgo GDPa144 FS-Mol
模型:结构/共折叠
AF2-Multimer:Google DeepMindAlphaFold 3BioEmu-2Boltz-1 / Boltz-1xBoltz-2:MIT、Recursion、Boltz P…Chai-1:Chai DiscoveryChai-2:Chai DiscoveryDiffDock:MIT CSAILESMFold2HelixFold-S1:BaiduIntelliFold-2:IntelliGen AIIsoDDE:Isomorphic LabsMassiveFoldNeuralPLexer3OpenComplex2OpenDDE:Aureka AI Research、Au…OpenFold3Pearl:Genesis Molecular AIProtenixRF3:University of Washington …RhoFold+ / DRfold2 / trRosett…RNAPro:NVIDIA、Stanford Univer…SeedFold:ByteDance SeedVina:Scripps Research
模型:小分子
ADMET-AIAQAffinity:SandboxAQBeacon:Inductive BioChemformer:AstraZenecaChemprop v2:MITEnchant v1 / v2ether0:FutureHouseKERMT:Merck & Co.、NVIDIAMiniMol:Valence LabsMolE:RecursionMoLFormer-XL:IBM ResearchNesso-1:Valence Labs、Recursio…ReaSyn v2:NVIDIA、KAISTREINVENT 4RetroDFM-RSaturn:EPFLTamGen:Microsoft Research AI …TerraBind:Terray TherapeuticsTxGemma:Google DeepMind、Googl…Uni-Mol2Uni-Mol3
模型:蛋白
AlphaProteoAMPLIFY:Mila、Polytechnique Mo…BindCraftBoltzGenChai-3:Chai DiscoveryClaude 蛋白设计研究DPLM-2:ByteDance Research、Nan…Dyno Psi-1 / Psi-PhiESM C:Evolutionary Scale、Chan…ESM3:Evolutionary Scale、Chan …EVOLVEproLa-Proteina:NVIDIALatent-X / X2:Latent LabsLucaOne:Alibaba Cloud、Sun Yat…Mosaic:Escalante BioPinal:Westlake UniversityPoET-2:OpenProtein.AIProfluent-E1:ProfluentProGen3:ProfluentProSST:Shanghai Jiao Tong Uni…Proteina-Complexa:NVIDIARFdiffusion2 / 3SaProt:Westlake University、We…SeedProteo:ByteDance SeedVenusREMxTrimoPGLM
模型:抗体
GerminalHCAbLM:Nona Biosciences、HBM H…IgGM / IgGM-FMJAM / JAM-2:Nabla BioOrigin-1:AbsciRFantibodytFold:Tencent AI for Life Sci…
模型:基因组/RNA
AlphaGenome:Google DeepMindAlphaMissense:Google DeepMindBioReasonBorzoi:Calico Life SciencesBulkFormerEvo 2:Arc Institute、NVIDIA、St…NTv3:InstaDeeppopEVE:Harvard Medical School…RIBOSPAN
模型:单细胞
AIDO Cell:GenBio AIC2S-ScaleCellFM:Sun Yat-sen University…Lingshu-CellscGPT / GeneformerscPRINT-2Stack:Arc InstituteSTATE:Arc InstituteTahoe-x1:Tahoe TherapeuticsTranscriptFormerX-Cell:Xaira TherapeuticsxTrimoSCPerturb / scFoundation
模型:分子生成
GenMol:NVIDIA
模型:文本与 agent
Biomni:Stanford University、Ph…Co-ScientistGPT-Rosalind:OpenAIIntern-SKosmos / Edison AnalysisMedGemma / Med-GeminiQuine:Microsoft ResearchRobin:FutureHouseSciReasonerTxAgent:Harvard Medical SchoolVERID:Google Research前沿通用大模型:Anthropic、OpenAI、Goog…

Saturn:EPFL (Laboratory of Artificial Chemical Intelligence)

整理 2026-11-16 · 来源与可靠度标注见正文
本文目录
  1. 概况
  2. 做什么
  3. 报过的 benchmark
  4. 其他评测(不在 44 项内)
  5. 训练数据
  6. 湿实验验证
  7. 背景
  8. 怎么看
  9. 局限与注意
  10. 来源
  11. 更正记录

分子生成与优化模型,主打有限 oracle 预算下的样本高效搜索。

小分子 · 学术实验室 · 瑞士 · 截至 2026-11-16

概况

字段 内容
名称 / 别名 Saturn
家族 否(前作 Augmented Memory 与下游可合成性约束工作均无独立实体记录)
机构 EPFL (Laboratory of Artificial Chemical Intelligence)
机构类型 / 国家 学术实验室 / 瑞士
模型类别 分子生成与强化学习优化
领域 小分子(次领域:分子生成)
首次发布 (依据:arXiv 2405.17066 v1 提交日)
其他里程碑 最早公开证据 (arXiv v1);预印本 v1 (arXiv v1);期刊上线 (期刊版上线(登记机构记录的创建/出版日));官方公告 †(未核实)(所属大学 AI 中心的报道)
最近更新 ,期刊发表:期刊版发表(DOI 10.1038/s42256-026-01200-4);此后仓库另有反应条件约束合入(2026-06-17)与文档类提交(2026-10-26),属次级代码活动。此为最近一次有出处的事件,不代表此后没有更新
开放程度 代码:开放;权重:不明;代码公开在 GitHub;许可证文本与权重发布情况本轮未取到
状态 活跃:12 个月内有期刊发表与仓库提交
报过的 benchmark 0 项计入
湿实验验证 无
全站实体页 无(全站实体库未检出对应页面)
截至 2026-11-16

做什么

把状态空间(Mamba)序列模型与经验回放加数据增强的强化学习算法结合,在昂贵 oracle(对接、量化计算一类)调用预算有限时做分子优化,目标是用更少调用拿到满足多目标约束的分子。与 REINVENT 4 同属强化学习型优化器并以其为对照,但更强调样本效率。

报过的 benchmark

按关系类型排列;每行标来源类型与出处。分数只在同一 benchmark、同一口径内有意义,见各 benchmark 页的当前排名。0 项计入。

在本站 44 个 benchmark 上没有任何配对记录;它怎么自评见下一节。

其他评测(不在 44 项内)

  • 自建对接多目标优化与命中率任务(自建任务集,自报):三个受体的对接多目标任务与五个靶点的命中率任务,oracle 预算 1,000 次、多随机种子;摘要称胜过 22 个模型,基线取自他人论文表格
  • 样本效率背景引用(仅与基线对比,自报):PMO 只作为样本效率问题的背景被引用,未报该套件成绩

开发方称:状态空间模型加记忆操作的算法,在有限 oracle 预算下的药物相关多目标优化上优于既有方法。

独立证据:未检出独立证据(未检出第三方在站内 benchmark 上对该模型的独立评测)

训练数据

类别 值 说明 出处
a 公开库 是 公开化合物库(ChEMBL 33)预训练 出处
b 私有 / 授权 否 — 出处
c 自产 wet lab 训练数据 否 — —
d 仅用于验证的 wet lab 否 未报告任何湿实验 出处

湿实验验证

无。开发方未报告湿实验验证,或本站未收录可核的记录。

背景

  • 机构:瑞士一所理工大学化学科学与工程研究所下的人工化学智能实验室,方向为 AI 加速的分子与材料发现与合成;实验室 2022 年建组。
  • 融资:资助来自瑞士国家重点研究中心的催化与分离两个计划、国家科学基金会的启动资助,另有多家化学与半导体企业的合作;2025 年获一项企业早期职业奖与一项校级学术奖。
  • 产品与合作:前作为同组的记忆增强强化学习算法;本模型是把状态空间架构用于生成式分子设计的早期工作,代码开源,并衍生出可合成性约束的后续工作。
  • 相关模型:REINVENT 4

怎么看

  1. 样本效率的口径比绝对成绩更重要:论文用 1,000 次 oracle 预算,PMO 的标准预算是 10,000 次,两者不可直接比。
  2. 对照成绩多直接引自他人论文表格,只有部分模型由作者重跑,版本与调参程度不一致。
  3. 无湿实验:可合成性与真实活性未被验证。
  4. 预印本(2024-05)与期刊版(2026-03)相隔近两年,对照对象可能已过时。

局限与注意

  1. 零配对:未在任何站内 benchmark 上报告成绩。
  2. PMO 配对不成立,原始论文只把它当背景引用。
  3. 「胜过 22 个模型」指作者自建任务组,不是公开榜单位次。
  4. 模型名是常用词,站内自动链接须走常用词守卫。

来源

  1. 预印本 arXiv 2405.17066(预印本)
  2. 期刊版论文(期刊)
  3. 代码仓库(仓库)
  4. 大学 AI 中心报道(官方网站)

更正记录

以下为本轮核对中改过的字段,原值按记录照录。

字段 原 现 原因 出处 发现日期
benchmarks_reported 候选配对 PMO(#19) 非配对:原始论文未在该套件上报分,只作背景引用 — 依据 2026-11-16

本文为个人研究笔记,结论基于成文时可获得的公开信息;带〔估算〕〔推断〕或⚠️的数字未经独立核实。