小服AI 在AI for Science（AI4S）领域，长期以来存在一个固有瓶颈：每种科学对象——蛋白质、小分子、化学反应、材料等——都拥有自己专用的模型。结构预测、分子生成、逆合成规划等任务各自依赖独立的技术栈，不仅导致跨领域知识难以复用，而且这些模型通常构建在与大语言模型（LLM）完全割裂的体系之上，无法享受LLM生态成熟的基础设施。然而，LLM在自然语言处理中所展现的“一个模型解决万千任务”的潜力，为AI4S提供了新的思路。
近日，由ATH-Token Foundry联合中国人民大学高瓴人工智能学院开源的统一科学大模型LOGOS（Language Of Generative Objects in Science），正式对外开源。该模型的核心创新在于设计了一套统一的“科学语法”，将蛋白质、小分子、材料、化学反应等异构科学对象，全部编码成LLM能够理解和生成的离散Token序列，从而让多领域科学生成任务在同一个大语言模型框架下原生运行。
从“专家模型”到“统一语法”的范式跨越
传统的AI4S路径是“一个问题一套模型”，不同任务之间缺乏共同的语言基础。LOGOS团队发现，蛋白质、小分子、材料虽然在表面上千差万别，但底层遵循着相似的组成规则、结构约束和相互作用语义——它们本质上是同一种“科学语言”的不同方言。基于这一洞察，LOGOS设计了一套共享词表，将蛋白质的氨基酸序列、小分子的SMILES表示、材料的晶体结构等全部转化为统一的离散Token，使得跨领域知识迁移、多任务协同优化、预训练与下游目标对齐成为可能。
更关键的是，LOGOS通过一种“文字描述法”将3D空间接触模式直接“语法化”为离散Token，无需依赖显式的3D坐标和复杂的几何神经网络。该方法将蛋白质口袋与配体之间的三维相互作用，表达为三种递进的序列形式：残基‑口袋标注序列（标出氨基酸级别基本信息）、残基‑口袋‑小分子展开序列（加入表面接触信息）、残基‑口袋转换序列（强行对齐氨基酸与分子结构）。这种设计使模型仅靠“读文字”就能在内部重建3D空间互作规律，彻底摆脱了对稀缺3D结构数据的依赖。
六大任务实战：纯序列范式的全面突破
为了验证统一语法的实际效果，LOGOS在六个代表性的科学任务上进行了全面测试。结果表明，以纯序列生成范式运行的LOGOS，一致性地匹配或超越了此前依赖3D坐标或专用几何网络的领域专用方法。
在AI制药最核心的口袋条件配体生成任务中，LOGOS-1B模型仅用约1/56的参数量（1B vs 8×7B）就超越了此前最强的NatureLM模型，并且首次在纯序列范式下击败了依赖3D坐标的扩散模型。生成的分子同时满足结合亲和力、药物相似性和合成可行性等多重指标，展现出实际药物设计的潜力。
在逆合成预测任务中，LOGOS的Top-1准确率达到74.8%，全面超越所有基线方法，能够直接辅助化学家设计合成路线，减少试错成本。在口袋位点识别任务中，凭借仅需氨基酸序列而非3D结构的能力，LOGOS在HOLO4K数据集上达到了58.5%的Top-n准确率，超越了大多数传统3D方法，将口袋识别范式从“依赖3D结构”扩展到了“仅需序列信息”。
在MOF材料生成任务中，LOGOS生成的新型构建单元比例（NBB）从MOFFlow-2的10.10%提升至17.78%，提升幅度达76%，表明模型具备超越训练数据已知组分、创造全新分子构件的能力。此外，在蛋白质编辑（Hard难度Fitness达0.93，相比基线0.34提升174%）和抗体CDR设计（AAR达79.82%，超越结构依赖的逆折叠方法RADAb）两个任务上，LOGOS同样优于现有最强基线，进一步验证了其泛化能力。
三大创新设计，打通AI4S与LLM生态
LOGOS之所以能取得上述成果，得益于其三项关键设计。
第一，“科学语法”+空间交互离散化。统一词汇表让所有科学对象都变成Token，而空间接触的“语法化”则让模型无需3D坐标即可理解分子间的三维相互作用。这两项技术相辅相成，构成了LOGOS最核心的突破。
第二，预训练与下游任务的形式和目标完全对齐。传统范式下，预训练的“学”与下游应用的“用”往往脱节，导致需要大量微调。LOGOS通过统一语法，使预训练数据的序列形式等于下游任务的输入输出形式，且预训练的next-token prediction直接等于下游的条件生成目标。这种“形式-目标对齐”消除了预训练与下游应用之间的gap，无需复杂适配即可直接激活生成能力。
第三，跨领域知识正向迁移。团队通过实验验证了统一语法的有效性：模型看到蛋白质的“方言”（氨基酸口袋序列），能直接“翻译”出小分子的“方言”（SMILES结构），证明了其真正学会了跨领域的对应关系。拆解实验显示，去除口袋与复合物数据后模型性能接近随机（Vina -3.57），加入全部语法组分后性能大幅跃升（Vina -7.64）。多任务协同训练的结果还表明，同时学习四个任务的效果反而比各自独立训练更好，充分体现了“1+1>2”的协同效应。
开源生态：让AI4S与LLM基础设施共享
LOGOS的实践表明，AI for Science的发展方向不在于从零构建与LLM割裂的技术栈，而在于让科学基础模型与大语言模型深度对齐——共享架构、共享训练范式、共享推理基础设施。通过继承LLM的预训练权重，科学模型可以复用vLLM推理加速、模型量化等成熟的工程基建，大幅降低训练与部署成本。同时，统一的语法空间打破了学科壁垒，使得生物、化学、材料等不同领域的数据能够在同一模型框架内回流训练，形成跨领域的知识闭环。
目前，LOGOS已完整开源模型权重、推理代码与技术报告。团队成员表示，未来将进一步把“科学语法”扩展至基因组等更多领域，并探索科学语言与自然语言的深度融合，致力于构建真正通用的科学基础模型，推动自然科学研究从“筛选已知”向“设计未知”转变。
