本文解读 arXiv 预印本论文《Chemistry-Enhanced Diffusion-Based Framework for Small-to-Large Molecular Conformation Generation》，研究提出StoL（Small-to-Large）框架，将化学先验与扩散模型结合，采用 “LEGO 式片段组装” 策略，仅用小分子数据训练，即可直接生成大分子高质量 3D 构象。该方法无需大分子训练集、不依赖外部软件，在药物分子上实现比传统工具更全面的构象覆盖，且能找到能量更低的稳定结构，为药物设计、催化模拟提供轻量高效的构象生成方案。

分子的 3D 形状，直接决定它能不能成药、稳不稳定、怎么反应。可越大越灵活的分子，构象数量就指数爆炸，想算出一套靠谱的 3D 结构，要么慢到离谱，要么不准到没法用。传统方法要么靠量子化学暴力搜索，算力烧不起；要么靠经验规则快速生成，却容易漏掉关键低能构象。

最近，一种叫StoL的新框架彻底换了思路：把大分子拆成碎片，用 AI 生成碎片，再像拼乐高一样搭回大分子。更厉害的是，它只学过小分子，就能直接造大分子的 3D 构象，还自带化学规律约束，生成又快又稳。

  一、大分子 3D 构象：计算化学的 “老大难”

想要准确预测分子性质，第一步就是拿到合理的 3D 构象。但分子越大、可旋转单键越多，构象空间就越恐怖。

传统的分子动力学、元动力学虽然精度高，但对大分子做全空间搜索成本极高，很难把低能构象找全。而基于经验规则的快速工具，虽然快，却常常局限在局部构象区间，覆盖不够全面，也容易出现不合理的键长、键角和原子碰撞。

近几年火起来的扩散模型，给分子生成带来新希望，但多数模型都是纯数据驱动，缺少化学规律约束，很容易生成不符合化学常识的结构，而且必须用大量大分子数据训练，对没多少数据的新分子根本不友好。

科研界一直想要一个两全其美的方案：够快、够准、够化学合理，还不用啃大分子数据集。

StoL 的出现，正好补上了这块缺口。

  二、StoL：用 “小分子碎片” 拼出 “大分子构象”

StoL 的全称是 Small-to-Large，核心逻辑非常直观：不直接生成大分子，而是拆成碎片生成，再拼回去。

2.1 整体流程：拆解 — 生成 — 组装三步法

整个流程像极了用乐高搭模型，清晰又好理解：

片段拆解：把目标分子按化学规则切成合理小碎片，只切环外单键，保证每块碎片化学上合法。

碎片生成：用训练好的扩散模型，给每块碎片生成一批高质量 3D 构象。

全局组装：按重叠区对齐，把碎片一块块拼回完整分子，再做化学校验，去掉不合理结构。

最惊艳的是，StoL全程不用任何大分子结构训练，只需要小分子碎片数据，就能轻松扩展到大分子，可迁移性极强。

2.2 化学增强扩散模型：让 AI 懂化学常识

普通扩散模型只学数据，StoL 则把化学规则 “焊” 进模型里，训练分两步：

1.先做常规数据驱动训练，搭好分子骨架；

2.再进入化学增强阶段，处理对称、原子匹配、芳香环平面性。

它用 Sinkhorn 算法处理原子等价性，用 Gumbel-softmax 稳定原子序，还专门加平面性约束，不让芳香环歪掉。这样训练出来的模型，收敛更快、结构更合理，不会出现物理上荒唐的构象。

图1 化学增强扩散模型训练与结构验证流程

2.3 组装与过滤：只保留化学合法结构

拼碎片不是硬凑，而是通过共享原子区域精确对齐，只保留 RMSD 足够小的组合。组装完成后，还会做一套完整化学检查：键长、键角、连通性、原子冲突、分子式一致性……

层层过滤后，输出的构象直接可用，不用再手工修结构。

图2 StoL 框架：从 SMILES 输入到 3D 分子构象的全流程

  三、真实效果：药物分子测试完胜传统工具

研究团队选择了抗癌药物伏立诺他（Vorinostat） 做典型演示，这分子长且柔性高，是公认的构象生成难题。

StoL 先把它切成三块，分别生成碎片构象，再组装成完整分子。结果显示，StoL 生成的构象在空间里分布更广、更均匀，而传统工具 RDKit 只集中在一小块区域。

图3 药物分子 Vorinostat 构象生成与能量优化对比

经过 DFT 量子化学优化后，对比更加明显：

1.StoL 能覆盖 RDKit 找到的所有构象，还能找到更多新构象；

2.找到的最低能构象，比传统方法低出1.88 kcal/mol；

3.构象能量区间更宽，更接近真实势能面分布。

在包含 200 个类药分子的 StoL25-init 测试集上，StoL 同样表现稳定：

超过一半分子的玻尔兹曼加权 RMSD 低于 1 Å，整体几何精度极高；65% 的分子能找到比传统方法更低的能量构象，真正做到 “构象找得全、低能找得准”。

  四、碎片策略重新定义分子构象生成

StoL 最核心的突破，是用 “从小到大” 的片段化思路，绕开了大分子生成最头疼的数据瓶颈。它不再需要庞大的大分子训练集，只依靠小分子片段数据，就能实现高质量、高覆盖的构象生成，让大体系分子模拟不再被算力和数据卡脖子。

将化学先验嵌入扩散模型的训练与组装全过程，不仅让结构更合理、训练更稳定，也让整个流程端到端、不依赖外部软件，简单易用。这种 “物理规则 + AI 生成” 的模式，为下一代分子生成模型提供了可复制的范式。

相比于传统方法，StoL 在构象覆盖度、结构合理性、低能构象搜索能力上全面占优，尤其适合柔性药物分子、环境污染物、有机催化中间体等缺乏高质量构象的体系。

  五、总结

分子越大，构象越难算，这是计算化学持续多年的痛点。StoL 用 “拆解 — 生成 — 组装” 的 LEGO 式策略，配合化学增强扩散模型，给出了一套轻巧却强大的解决方案。它只学小分子，就能做大分子；只输 SMILES，就能出一整套合理 3D 构象；比传统工具覆盖更广，比纯数据 AI 更化学可信，还能稳定找到能量更低的优势构象。从药物筛选、分子模拟到催化设计，StoL 都能快速提供高质量初始构象，把过去要算几天的构象搜索，压缩到小时甚至分钟级。

这是一次真正 “又快又好又省” 的突破，让大分子 3D 构象生成，从此走出算力与精度的两难困境。

---

论文链接：https://arxiv.org/abs/2511.12182v1

本文解读 arXiv 预印本论文《Chemistry-Enhanced Diffusion-Based Framework for Small-to-Large Molecular Conformation Generation》，研究提出StoL（Small-to-Large）框架，将化学先验与扩散模型结合，采用 “LEGO 式片段组装” 策略，仅用小分子数据训练，即可直接生成大分子高质量 3D 构象。该方法无需大分子训练集、不依赖外部软件，在药物分子上实现比传统工具更全面的构象覆盖，且能找到能量更低的稳定结构，为药物设计、催化模拟提供轻量高效的构象生成方案。

分子的 3D 形状，直接决定它能不能成药、稳不稳定、怎么反应。可越大越灵活的分子，构象数量就指数爆炸，想算出一套靠谱的 3D 结构，要么慢到离谱，要么不准到没法用。传统方法要么靠量子化学暴力搜索，算力烧不起；要么靠经验规则快速生成，却容易漏掉关键低能构象。

最近，一种叫StoL的新框架彻底换了思路：把大分子拆成碎片，用 AI 生成碎片，再像拼乐高一样搭回大分子。更厉害的是，它只学过小分子，就能直接造大分子的 3D 构象，还自带化学规律约束，生成又快又稳。

  一、大分子 3D 构象：计算化学的 “老大难”

想要准确预测分子性质，第一步就是拿到合理的 3D 构象。但分子越大、可旋转单键越多，构象空间就越恐怖。

传统的分子动力学、元动力学虽然精度高，但对大分子做全空间搜索成本极高，很难把低能构象找全。而基于经验规则的快速工具，虽然快，却常常局限在局部构象区间，覆盖不够全面，也容易出现不合理的键长、键角和原子碰撞。

近几年火起来的扩散模型，给分子生成带来新希望，但多数模型都是纯数据驱动，缺少化学规律约束，很容易生成不符合化学常识的结构，而且必须用大量大分子数据训练，对没多少数据的新分子根本不友好。

科研界一直想要一个两全其美的方案：够快、够准、够化学合理，还不用啃大分子数据集。

StoL 的出现，正好补上了这块缺口。

  二、StoL：用 “小分子碎片” 拼出 “大分子构象”

StoL 的全称是 Small-to-Large，核心逻辑非常直观：不直接生成大分子，而是拆成碎片生成，再拼回去。

2.1 整体流程：拆解 — 生成 — 组装三步法

整个流程像极了用乐高搭模型，清晰又好理解：

片段拆解：把目标分子按化学规则切成合理小碎片，只切环外单键，保证每块碎片化学上合法。

碎片生成：用训练好的扩散模型，给每块碎片生成一批高质量 3D 构象。

全局组装：按重叠区对齐，把碎片一块块拼回完整分子，再做化学校验，去掉不合理结构。

最惊艳的是，StoL全程不用任何大分子结构训练，只需要小分子碎片数据，就能轻松扩展到大分子，可迁移性极强。

2.2 化学增强扩散模型：让 AI 懂化学常识

普通扩散模型只学数据，StoL 则把化学规则 “焊” 进模型里，训练分两步：

1.先做常规数据驱动训练，搭好分子骨架；

2.再进入化学增强阶段，处理对称、原子匹配、芳香环平面性。

它用 Sinkhorn 算法处理原子等价性，用 Gumbel-softmax 稳定原子序，还专门加平面性约束，不让芳香环歪掉。这样训练出来的模型，收敛更快、结构更合理，不会出现物理上荒唐的构象。

图1 化学增强扩散模型训练与结构验证流程

2.3 组装与过滤：只保留化学合法结构

拼碎片不是硬凑，而是通过共享原子区域精确对齐，只保留 RMSD 足够小的组合。组装完成后，还会做一套完整化学检查：键长、键角、连通性、原子冲突、分子式一致性……

层层过滤后，输出的构象直接可用，不用再手工修结构。

图2 StoL 框架：从 SMILES 输入到 3D 分子构象的全流程

  三、真实效果：药物分子测试完胜传统工具

研究团队选择了抗癌药物伏立诺他（Vorinostat） 做典型演示，这分子长且柔性高，是公认的构象生成难题。

StoL 先把它切成三块，分别生成碎片构象，再组装成完整分子。结果显示，StoL 生成的构象在空间里分布更广、更均匀，而传统工具 RDKit 只集中在一小块区域。

图3 药物分子 Vorinostat 构象生成与能量优化对比

经过 DFT 量子化学优化后，对比更加明显：

1.StoL 能覆盖 RDKit 找到的所有构象，还能找到更多新构象；

2.找到的最低能构象，比传统方法低出1.88 kcal/mol；

3.构象能量区间更宽，更接近真实势能面分布。

在包含 200 个类药分子的 StoL25-init 测试集上，StoL 同样表现稳定：

超过一半分子的玻尔兹曼加权 RMSD 低于 1 Å，整体几何精度极高；65% 的分子能找到比传统方法更低的能量构象，真正做到 “构象找得全、低能找得准”。

  四、碎片策略重新定义分子构象生成

StoL 最核心的突破，是用 “从小到大” 的片段化思路，绕开了大分子生成最头疼的数据瓶颈。它不再需要庞大的大分子训练集，只依靠小分子片段数据，就能实现高质量、高覆盖的构象生成，让大体系分子模拟不再被算力和数据卡脖子。

将化学先验嵌入扩散模型的训练与组装全过程，不仅让结构更合理、训练更稳定，也让整个流程端到端、不依赖外部软件，简单易用。这种 “物理规则 + AI 生成” 的模式，为下一代分子生成模型提供了可复制的范式。

相比于传统方法，StoL 在构象覆盖度、结构合理性、低能构象搜索能力上全面占优，尤其适合柔性药物分子、环境污染物、有机催化中间体等缺乏高质量构象的体系。

  五、总结

分子越大，构象越难算，这是计算化学持续多年的痛点。StoL 用 “拆解 — 生成 — 组装” 的 LEGO 式策略，配合化学增强扩散模型，给出了一套轻巧却强大的解决方案。它只学小分子，就能做大分子；只输 SMILES，就能出一整套合理 3D 构象；比传统工具覆盖更广，比纯数据 AI 更化学可信，还能稳定找到能量更低的优势构象。从药物筛选、分子模拟到催化设计，StoL 都能快速提供高质量初始构象，把过去要算几天的构象搜索，压缩到小时甚至分钟级。

这是一次真正 “又快又好又省” 的突破，让大分子 3D 构象生成，从此走出算力与精度的两难困境。

---

论文链接：https://arxiv.org/abs/2511.12182v1