# 蛋白质序列-结构生成

连续比特流扩散把图像、语音和蛋白质都写成二进制码，用同一套训练与采样协议在语音—文本上做到联合生成词错率3.5%，蛋白质生成序列—结构对的折叠级一致率在正文与结论中分别报为75%和69%。

连续比特流扩散把图像、语音和蛋白质都写成二进制码，用同一套训练与采样协议在语音—文本上做到联合生成词错率3.5%，蛋白质生成序列—结构对的折叠级一致率在正文与结论中分别报为75%和69%。

该工作提出两种可学习的离散潜在蛋白质语言：序列侧的 PLL 基于冻结的 ESM-2 编码器构建 4096 状态上下文词表，结构侧的 SLL 在 GCP-VQVAE Lite 上加入序列与置信度辅助监督并保持可解码为骨架坐标；在匹配的下游训练下，PLLM 的拟合计算缩放指数为 0.038，高于氨基酸自回归模型的 0.020，且将低于 1.5 比特残基组成熵阈值的样本比例降低 54%；用 SLL 替换原分词器使序列到结构预测的最佳验证困惑度降低 34%。

该工作提出两种可学习的离散潜在蛋白质语言：序列侧的 PLL 基于冻结的 ESM-2 编码器构建 4096 状态上下文词表，结构侧的 SLL 在 GCP-VQVAE Lite 上加入序列与置信度辅助监督并保持可解码为骨架坐标；在匹配的下游训练下，PLLM 的拟合计算缩放指数为 0.038，高于氨基酸自回归模型的 0.020，且将低于 1.5 比特残基组成熵阈值的样本比例降低 54%；用 SLL 替换原分词器使序列到结构预测的最佳验证困惑度降低 34%。