自回归玻爾茲曼生成器：突破流模型限制的高效分子採樣新範式

本文針對統計物理中分子系統熱力學平衡採樣的難題，提出了自回归玻爾茲曼生成器（ArBG）。傳統玻爾茲曼生成器依賴歸一化流，面臨表達能力受限或似然計算昂貴的瓶頸。ArBG 摒棄流式範式，採用大語言模型架構，透過自回归建模克服拓撲約束並支援序列推論干預。實驗表明，ArBG 在所有基準測試中顯著優於流模型，尤其在10殘基Chignolin等較大肽系統中表現突出。此外，作者訓練了1.32億參數的Robin模型，在8殘基系統上將零樣本能量誤差E-W2降低超過60%，刷新了現有最先進水準。該方法為分子模擬提供了更具擴展性與靈活性的解決方案。