大语言模型已经改变了机器处理文本的方式，但它们学习”分子几何语言”（原子在三维空间中的排列）的能力在很大程度上仍未得到探索。加州大学伯克利分校Joseph Cavanagh和Teresa Head-Gordon领导团队的一篇新预印本表明，答案是：出奇地好。
研究人员在最前沿的LLM上对分子几何结构进行了微调，发现这种方法在预测平衡结构和生成多样化的构象体方面优于专业深度学习模型，同时保留了模型预训练的自然语言能力。
笛卡尔坐标 vs Z矩阵
分子可以通过两种主要方式在三维空间中描述。笛卡尔坐标（每个原子的x、y、z位置）直观且广泛使用，但它们在旋转或平移下不具有不变性，用不同方向描述的同一分子，对模型来说看起来像不同的结构。
Z矩阵是计算化学中常见的一种较老表示法，它使用键长、键角和二面角来指定每个原子相对于先前放置原子的位置。这种表示法固有地捕捉了分子的关系结构，哪些原子与哪些原子成键、以什么距离、以及相对于相邻原子的方向如何。
团队发现两种表示法都有效，但Z矩阵明显更优。”表示为Z矩阵的几何结构固有的不变性和关系性质为LLM适配提供了更好的语法，”作者写道。
性能与实际意义
微调后的LLM在预测平衡结构（分子采用的最低能量几何结构）和生成多样化、化学上合理的构象体（具有相似能量的替代三维排列）方面，优于包括图神经网络和等变网络在内的专业深度学习模型。
这种方法也异常简单：无需复杂的架构更改、无需自定义损失函数、无需领域特定的特征工程。标准的LLM微调过程，将分子几何结构视为令牌序列，只需极少的修改即可工作。
关键在于，团队证明在微调数据中混合少量自然语言提示-响应对，几乎保留了模型所有的预训练语言能力。这意味着同一个模型既能预测分子几何结构，又能回答化学相关问题，这种双重用途能力为多任务科学智能体打开了大门。
药物发现的新工具
准确的分子几何结构是计算药物发现的先决条件：预测药物候选物如何与蛋白质靶点结合、在溶液中如何表现以及可以采取哪些构象，都依赖于了解其三维结构。目前的方法，密度泛函理论（准确但缓慢）和专业机器学习模型（快速但受训练数据限制），各有权衡。
能够生成高质量几何结构同时保留通用语言能力的LLM，可以作为计算化学的灵活前端，生成候选结构，然后用更昂贵的方法进行精炼。
注意事项
作为2026年7月15日发布在arXiv上的预印本，这项工作尚未经过同行评审。该研究侧重于小型有机和药物样分子；在更大系统（肽、蛋白质或无机配合物）上的性能尚未得到验证。与专业模型的比较很有前景，但需要独立的验证。
来源：
1. Cavanagh, J.M. 等人。”How Well Can Frontier Large Language Models Generate Structures? High Quality Prediction of Molecular Geometries with Help from Fine-Tuning.” arXiv:2607.13350 (2026)。https://arxiv.org/abs/2607.13350
婷 翻译