Dynbench: 蛋白构象动力学研究, 构象集合效果好不等于动力学预测强

参考：https://github.com/kkkniengLiu/dynbench

整个benchmark的亮点在于：模型能复现蛋白构象集合 ≠ 学到了真实的时序动力学

Dynbench 简要解析

定位：蛋白构象动力学的度量校准基准框架，不是生成模型，也不是单一评价指标，而是一套完整评测协议。

1. 评分逻辑 打分不是单纯看数值高低，要对照两个基准：去掉目标样本得到的基线floor + 指标专属经验参考标尺（不是理论上限）：

   • 时间弛豫类指标：用奥恩斯坦-乌伦贝克(Ornstein-Uhlenbeck)过程做参考；
   • 跃迁/首次通过时间类指标：用预留独立分子动力学（MD）轨迹作为参考。 额外增加几何与波动约束校验（guardrails）；并且区分任务类型：无序构象集合模型，不会因为缺少时序信息被判时序任务失败。

2. 核心结论 对平衡态构象做独立同分布重采样（i.i.d. resample）：构象集合评测通过率高达0.99，但动力学时序通过率是0。 预留MD副本：构象集合通过率0.95。

   关键点：模型能复现蛋白构象集合 ≠ 学到了真实的时序动力学。

3. Lockbox-36 测试集（前瞻性盲盒测试） 36个蛋白的独立盲盒数据集，依然保持参考标尺和基线之间的差距；并且两个可评测时序模型在Lockbox上的排名，和它们在ATLAS-82上的排名颠倒。 说明：评测结果本身是稳定可复现的，但不存在放之四海而皆准的全局模型排名。

一句话总结：Dynbench用来区分两件事——模型能不能还原蛋白静态构象集合、能不能还原随时间演化的动力学；证明了构象集合效果好不等于动力学预测强，模型排名会随测试集变化，不能简单排一个固定名次。