薬物発見において、薬剤様分子が特定のタンパク質標的にどのように結合するかを予測することは核心的な問題です。極めて高速な計算結合方法は、高速仮想スクリーニングや薬物設計などの重要な応用を可能にします。既存の方法は、大量の候補サンプリングと評価、ランキング、微調整ステップに依存しているため、計算コストが高くつきものです。本研究では、このパラダイムに挑戦し、EquiBindというSE(3)等変幾何学的深層学習モデルを開発しました。このモデルは、i) 受容体の結合位置（盲ドッキング）と ii) リガンドの結合姿勢および方向性を直接射影的に予測します。EquiBindは従来の手法や最近の基準と比較して大幅な速度向上とより高い品質を達成しています。さらに、既存の微調整技術と組み合わせることで、実行時間の増加を伴うもののさらなる改善が示されています。最後に、フォン・ミーゼス角度距離に基づく閉形式全域最小値から与えられた入力原子点群への適合を行う新しいかつ高速な微調整モデルを提案します。これにより、以前に使用されていた高コストな差分進化戦略によるエネルギー最小化を回避できます。