本文综述机器学习在分子模拟中的进展，涵盖TorchMD-NET等变转换器、PhysNet、TensorNet、DeePMD等模型，用于预测量子力学性质、能量、力与偶极矩。研究强调不平衡构象数据集对模型评价的重要性，并介绍DiffTRe、NeuralMD等方法在蛋白质-配体结合动力学及药物发现中的应用。