由谷歌深智、柏林数据与学习基础研究所（BIFOLD）及柏林工业大学研究人员联合推出了一种名为“欧几里得快速注意力（EFA）”的机器学习新方法。该成果已于 2026 年 3 月发表于《自然机器智能》。EFA 的核心突破在于能够高效捕捉复杂分子中远距离的原子相互作用，解决了传统模拟技术在处理大分子系统时的计算瓶颈。 模拟原子运动是药物研发和新材料设计的基础，但现有方法面临巨大挑战。在包含数百甚至数千个原子的大分子中，每个原子不仅受邻近原子影响，还会受到远距离原子的作用力。传统基于自注意力机制的模型虽然能捕捉长程关系，但其计算量随原子数量呈平方级增长，导致模拟复杂体系极其耗时且难以扩展。 EFA 方法针对分子和材料所在的欧几里得空间特性，开发了一种线性扩展的相互作用表示法。它能在不破坏物理对称性的前提下，高效整合空间信息，从而精准描述传统机器学习力场可能失效的长程化学相互作用。研究表明，该方法在保持高计算效率的同时，显著提升了模拟的准确性和可靠性。 项目负责人、柏林工业大学教授克劳斯 - 罗伯特·米勒表示，这一进展是实现基于深度学习的多体系统量子力学精度模拟的重要一步。EFA 专门针对大分子优化，未来可应用于药物发现、高效电池设计及可持续材料开发等复杂场景，推动化学与材料科学的仿真效率迈向新台阶，使机器学习在应对高难度科学模拟时更加稳健和高效。