2026年02月27日
## 要約：
研究チームは、分子と材料の両方を扱うための最初の基盤モデル「Zatom-1」を開発しました。このモデルは生成と予測を統合し、Transformerアーキテクチャと多Modalフローマッチング学習を利用しています。実験結果から、既存モデルを上回る性能を示し、予測タスクにおいて化学分野間の知識転移も確認されています。
---
## 翻訳：
arXiv:2602.22251v1 Announce Type: new
Abstract: 分子の生成と材料の予測を必要とする汎用的な3D化学モデリングには、生成能力と予測能力の両方が必要です。しかし、既存のAIアプローチの多くは、単一の領域（分子または材料）と単一のタスク（生成または予測）に最適化されており、表現の共有と転送が制限されます。私たちは、3D分子と材料の生成学習と予測学習を統合する最初の基盤モデルであるZatom-1を紹介します。Zatom-1は、離散的な原子の種類と連続的な3D幾何学を同時にモデル化する多Modalフローマッチング目標でトレーニングされたTransformerです。このアプローチは、モデル容量が増加するにつれて予測可能な利益をもたらす大規模な事前トレーニングをサポートし、高速かつ安定したサンプリングを可能にします。私たちは、特性、エネルギー、力の下流マルチタスク予測のための普遍的な初期化として、共同生成事前トレーニングを使用します。実証実験では、Zatom-1は、生成および予測ベンチマークの両方で専門的なベースラインに匹敵または上回り、生成推論時間を10倍以上短縮します。私たちの実験は、共同生成事前トレーニングによる化学ドメイン間の肯定的な予測転移を示しています。事前トレーニング中に材料をモデル化すると、分子特性予測の精度が向上します。
[📰 原文はこちら](https://arxiv.org/abs/2602.22251)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
BittensorManがお勧めするメーカーリスト
https://exbridge.jp/xdirect/
AI時代の技術と知識のまとめ(AI生成メディア) - AIDexx
https://exbridge.jp/aidexx/
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
動画の最後にお得な情報がありますので、
最後までご覧ください。
