科学界终于有了“通用语言”：阿里开源LOGOS模型，让AI像读文字一样理解蛋白质和材料

科学家们过去有个头疼的问题：蛋白质、小分子、新材料这些研究对象，在AI眼里就像不同国家的人说不同的语言，数据根本无法互通。现在，一个叫做LOGOS的模型打破了这堵墙——它让所有科学对象都说同一种“语言”。

6月18日，阿里ATH-Token Foundry联合中国人民大学高瓴人工智能学院正式开源了这款名为LOGOS的多领域科学生成基础模型。以前，为了分析蛋白质的结构、小分子的特性或复杂材料的性能，研究人员得依赖复杂的3D坐标和专门的几何神经网络，换个研究对象就得重新设计模型，费钱又费力。LOGOS的核心创新，就是设计了一套共享词表，把蛋白质、抗体、小分子甚至MOF材料这些原本互不相干的对象，统统编码成统一的离散Token序列。这意味着，模型不再需要昂贵的3D空间信息，而是像读文字一样，通过序列预测的方式直接构建出复杂的3D空间互作规律。

更让人惊讶的是参数效率。LOGOS-1B版本只用了微软NatureLM模型1/56的参数量，就在多项代表性科学任务中实现了超越。换句话说，它用更少的资源干出了更好的活儿。而且，LOGOS彻底解决了预训练与下游任务之间的“目标偏差”问题——以前模型学完通用的东西，还得针对具体任务再微调，麻烦得很。现在LOGOS可以直接激活生成能力，科研人员拿到手就能用，开发门槛大大降低。

为了训练这个模型，团队构建了包含7类模态、共计44.87B tokens的超大规模预训练语料库。目前，项目组已经把模型权重、推理代码和技术报告全部开源，开发者在HuggingFace或GitHub上就能下载使用。这一成果不仅为科研自动化装了强力引擎，也预示着未来多模态科学大模型的新方向——当所有科学对象都能用同一种“语法”对话，AI驱动科研的想象空间才真正打开。