新智元報道

【新智元導讀】有人曬出開源項目：GPT-5.5連續狂飆150小時，自主挑戰諾獎級AlphaFold2！它用拓撲「單純形」重構蛋白質折疊邏輯，雖然性能暫未登頂，卻展示了AI科學家的恐怖潛力：秒回滾、零情緒、全自動進化。科研范式，真要變天了。

就在最近，GitHub上一個名為SimplexFold 的開源項目突然火出了圈。

它的共同作者名單里，居然出現了這樣一個名字——GPT-5.5！

Meta的機器學習工程師、開源社區硬核黑客Chris Hayduk爆料：他讓GPT-5.5開啟了「全自主目標模式」，在沒有人類干預的情況下，連續不間斷地瘋狂運行了150多個小時！

它的終極任務只有一個：扮演一位硅基科學家，去挑戰、重構、甚至顛覆那個剛剛斬獲諾貝爾獎的行業神話——AlphaFold2。

在這場長達數天的「瘋狂長跑」中，GPT-5.5 展現出了令人驚嘆的科研自主性：它自己分析論文、自己設計網絡拓撲、自己推導幾何公式、自己魔改 PyTorch 代碼、自己跑訓練。

甚至，在遭遇嚴重過擬合時，它展現出了連人類專家都無法完全解釋的「自發泛化」神跡！

諾獎AI的重大缺陷：AlphaFold2到底漏掉了什么？

要理解 GPT-5.5 為什么要對 AlphaFold2 開刀，我們得先來看看現有的「行業霸主」到底有什么遺憾。

2024年，AlphaFold2 憑借無可爭議的晶體結構預測精度斬獲諾貝爾化學獎。

它的核心武器是Evoformer模塊。

在 Evoformer 內部，包含了一套非常強大的「殘基對（Residue Pairs）」與「三角形（Triangle）」推理機制。

模型把蛋白質的氨基酸殘基兩兩配對，用一個二階的成對張量（Pair TensorZ_{ij}）來表示它們之間的關系。這在圖論里，相當于蛋白質的「邊（Edge）」。

著名的「三角更新（Triangle Updates）」機制，則是通過引入第三個殘基，來反復校正和增強這些邊之間的空間幾何一致性（比如強制讓殘基 i, j, k 的邊長滿足三角形三邊關系）。

但是，精妙的背后的代價是：遺忘。

現有的 AlphaFold2 在完成極其復雜的三角形計算后，做了一件非常「偷懶」的事——它順手把計算結果又塞回了那條一階的「邊（Z_{ij}）」里面。

也就是說，AlphaFold2 內部并沒有為一整個完整的三角形面 (i,j,k) 或是四面體單元 (i,j,k,l) 維護一個持久的、連續更新的「高階狀態表示」。

它就像一個記憶力只有3秒的工匠，雖然每次砌磚時都會用一把精密的「三角尺」量一下角度，但量完就把尺子扔了，腦子里記住的依然只有「磚頭A和磚頭B挨得有多近」。

這，就是 AlphaFold2 的核心禁區，也是限制其在極微觀空間拓撲表達上更進一步的「隱形天花板」。

而 GPT-5.5 在翻閱了無數生物信息學文獻后，敏銳地盯住了這個盲區。

SimplexFold 項目的核心設問由此誕生——

如果我們在神經網絡里，直接讓模型去學習、維護、更新一整個「三角形面」和「四面體單元」的持久狀態，會發生什么？

用數學降維打擊生物學復雜性

為了解決這個問題，GPT-5.5 引入了一個在近代拓撲學中大放異彩的概念——單純形（Simplex）。

名字聽起來很高深，但其實它的直觀含義非常純粹：單純形，就是某個維度里最簡單的幾何圖形。

項目主頁用一張極其優雅的表格，向我們展示了蛋白質結構是如何被「單純形化」的。

現有的絕大多數蛋白質神經網絡，本質上都是普通的圖神經網絡。

在拓撲學語言里，它們只是一個孤獨的「1-骨架」——只有節點（點）和關系（邊）。

然而，生命不是一根根鐵絲擰成的網，生命是豐滿的三維實體。

蛋白質的折疊和多肽鏈的纏繞，內部充滿了極其苛刻的三體、四體甚至多體物理約束。比如：主鏈的角度、二面角扭轉、Beta折疊的扇面幾何、疏水核心的緊密堆積、局部殘基的側鏈空間排布、甚至口袋內部的空腔和手性。

如果只用「邊」來表達，模型不得不轉無數個彎去猜這些高階特征。

但如果引入「單純形」，一個「面特征（Face Feature）」可以直接理直氣壯地說： 「殘基 i, j, k 組成了一個局部的朝向表面，它的面積是多少，內角系統是怎樣的。」

一個「四面體特征（Tetra Feature）」則可以直接高喊： 「殘基 i, j, k, l 構成了一個緊湊的三維包裝核心，它的體積是正還是負（代表手性方向），空間位阻profile是什么！」

這就是 SimplexFold 壓下的驚天豪賭：通過引入顯式的高階拓撲狀態（點?邊?面?體），為神經網絡注入極其強大的幾何歸納偏置，從而用更少的數據、更優雅的架構，榨干蛋白質主鏈折疊的最后一絲精度！

自動研究 150 小時，GPT-5.5 究竟改了啥？

以上內容是不是太專業了，看不太懂？

X網友Michael Hla在線發問：「這 150 個小時里，AI 到底折騰出了什么硬核優化？」

作者 Chris Hayduk 隨即大方地公開了 GPT-5.5 的「科研成果」。

在原始的設計里，SimplexFold 的信息傳遞比較簡單粗暴：

邊 (Edge)??面 (Face) ??體 (Tetra)??面 (Face)??重新倒回邊和點。

這就好比大家開完會，最后派個代表寫個大雜燴簡報，把高維信息粗魯地倒回一維的單體特征里。

而 GPT-5.5 瘋狂加班 150 小時后，精細化地重構了整個通信路徑！它設計了一套「高度結構化的回寫機制」。

現在，被選中的三角形和四面體在往回傳導信息時，不再是「大鍋飯」式的傾倒。它們必須嚴格通過自己真正的邊界邊進行精準路由。

AI 還貼心地加入了幾何感知門控和弱三角形注意力提示。

這直接把原本粗糙的「傳話游戲」，升級成了帶有精準導航、具備空間方向感的「高維立體通信網絡」。

反轉與吃瓜

對于這個炸裂的項目，網上的各路技術大牛和吃瓜群眾當場討論起來。

疑問一：等一下，這個實驗圖表怎么還帶穿越的？

在作者曬出的自主實驗進程圖中，有眼尖的網友發現了一個詭異的現象。

「什么鬼？看第 80 次運行附近，曲線怎么突然倒流了？它回到了過去，然后創下了一個比后來還要高的新紀錄？」

面對這個怪事大家開始瘋狂猜測。最后得出的結論細思極恐： AI自己給自己開辟新路了。

AI在推進到某一步時，發現后面的路越走越窄。于是，它非常理智地回滾到了第 80 步那個曾經表現不錯的歷史分叉口，放棄了后面的錯誤路線，重新開辟了一條新戰線。

這在人類科研里太常見了。

唯一不同的是，人類要是做實驗做了好幾天發現錯了要推倒重來，回到前幾天的步驟，那種心理崩潰要痛苦得多。

疑問二：結果其實不太行？

就在大家激動的時候，冷酷的現實給了大家當頭一棒。

有人發現： 這玩意兒太瘋狂了，嚴重的過擬合居然引發了自發的泛化。

技術大佬解釋道： 沒什么好大驚小怪的。仔細看作者發的最新的指標結果，其實相當糟糕。在這條 Y 軸上，正牌的 AlphaFold 分數大概在 90 左右，而這個 SimplexFold 差得遠呢。別忘了，這模型可是把AlphaFold的論文喂給它訓出來的。

所以， 鬧了半天，最后搞出來的模型性能其實被原生 AlphaFold 吊打？

既然最終的預測結果并不能比肩AlphaFold，那這個瘋狂的「150小時實驗」失敗了嗎？

恰恰相反。

幾乎所有的一線AI實驗室和科學家都給出了相同的答案：這事兒的意義，根本不在于 SimplexFold這個模型，而是在「自動研究員」本身。

這次實驗，是一次極其硬核的概念驗證。它證明了高階邏輯的自洽性，展現了恐怖的樣本效率和抗挫折能力，而且是一次低成本的試錯。

連續 150 小時，自己給自己 debug、看報錯、換路線、主動回滾歷史分支。這種全自動的實驗閉環，一旦配上更強的大模型，進化速度將超出人類想象。

當AI自動研究員全面走向實驗室的那一天，或許就是人類無數頑疾被治愈的黎明。

參考資料：

https://x.com/chrishayduk/status/2055757345506877759?s=46

編輯：Aeneas David