在生物科學和計算機科學的交匯點上，AlphaFold3自從發佈以來，就如同一顆超級明星，吸引了無數目光。可惜的是，谷歌 DeepMind 只給了我們一篇論文，卻沒有提供任何代碼或模型權重，像是一道美味的蛋糕，卻只讓大家看看外觀，沒法動手嚐嚐。面對這種 “閉門造車” 的做法，很多團隊都在爭先恐後地進行復現工作。

就在這熱火朝天的氛圍中，一家名爲 Ligo 的初創公司脫穎而出，成爲首個復現 AlphaFold3的團隊，而這個團隊的三位創始人全都是牛津大學的本科生。他們在短短四個月內就實現了這一壯舉，簡直是給科學界送上了一份大禮。

QQ20240909-134914.jpg

AlphaFold3被視爲生物科學領域的里程碑，尤其在蛋白質結構預測方面，它的應用潛力巨大。然而，DeepMind 的策略讓人頗感失望，他們的作品只在特定服務器上供科學家們使用，且每天調用次數有限，似乎在爲未來的商業利益埋下伏筆。即便如此，研究人員們卻對這一成果充滿期待，因爲它有可能徹底改變藥物發現的遊戲規則。

就在衆多科學家感到挫敗的時候，Ligo 團隊卻勇敢地邁出了第一步。他們不僅復現了 AlphaFold3的模型，還計劃將其開源，讓更多人受益。Ligo 團隊表示，他們的模型目前可以有效預測蛋白質結構，而其他功能將在不久後跟進。

復現的過程並不簡單，團隊將 DeepMind 論文中的模型架構完全轉化爲 PyTorch 代碼。在這個過程中，他們發現了一些原始論文中的問題，比如損失函數的公式錯誤，這可能會影響訓練效果。此外，他們還對原有模型進行了優化，比如引入了殘差層來改善梯度流。

令人興奮的是，Ligo 團隊在這項工作中不僅遵循了原有模型的思路，還進行了創新，嘗試了更高效的實現方式。他們甚至在訓練過程中只用了8個 A100GPU，便生成了相應的模型，效率之高令人矚目。

儘管 DeepMind 因商業原因暫時將成果封閉，但 Ligo 的成功復現讓人們看到了希望，也引發了更多團隊的跟進。除了 Ligo，哥倫比亞大學的 OpenFold 團隊和獨立開發者 Phil Wang 也在積極參與這一開源運動，形成了一個生動的科研生態。

項目地址：https://github.com/Ligo-Biosciences/AlphaFold3