题 目: Uni-3DAR：基于压缩空间令牌自回归的统一三维生成与理解
报告人: 么琳 研究员 北京深势科技有限公司
时 间: 4月18日（周五 ）09:00-10:10
地 点: 曾呈奎楼B311会议室
报告摘要: 近期，大语言模型及其多模态扩展技术的进展通过自回归的下一个令牌预测机制验证了生成与理解任务统一化的有效性，然而在科学计算AI中具有核心地位的三维结构生成与理解（3D GU）任务仍长期独立发展，自回归方法尚未充分探索。为此，我们提出Uni-3DAR——一种通过自回归预测无缝整合3D GU任务的统一框架，其核心创新在于分层令牌化机制：首先利用八叉树（octree）对三维空间进行稀疏性驱动的压缩编码，再通过细粒度结构令牌化精准捕获原子类型、空间坐标等微观3D结构属性；同时引入两级子树压缩策略（将令牌序列缩减8倍）与动态掩码令牌预测机制，实现效率与性能的双重突破。实验表明，Uni-3DAR在分子、蛋白质、聚合物及晶体等微观3D GU任务中首次实现多任务统一建模，以最高256%的相对改进超越现有扩散模型，推理速度提升21.8倍，为科学计算AI提供了高效三维生成与理解的新范式。
个人简介: 么琳，现任北京深势科技有限公司资深研究员。英国曼彻斯特大学硕士，深耕AI for Science前沿方向，致力于融合机器学习、多尺度模拟技术，突破新材料研发的传统范式。研究成果发表于《Nature Communications》《Nature Computational Science》等国际顶尖期刊，推动了数据驱动的材料智能设计在能源、电子、生物医药等领域的应用落地。
化学化工学院
福建省理论与计算化学重点实验室
2025年4月15日
