我们不妨引用一下专业报道，这些内容，可能会对部分网友构成阅读障碍，大家忍耐一下：

2019 年，许锦波在全球范围内首次将 AI 应用至蛋白质氨基酸（原子）之间的距离预测，进一步提升了蛋白质三维结构预测的精度。他率先认识到氨基酸之间的距离预测，不能一对一对预测、要所有对一起预测，也就是所谓的端到端模型。

“在氨基酸的距离预测上，许锦波真正将蛋白质预测的问题提升了一个台阶。”密苏里大学校董事会教授许东曾在 2020 年 12 月在图像计算与数字医学国际研讨会（ISICDM）主办的圆桌论坛上表示。

而 AlphaFold 2 所使用的也是端到端模型，根据序列的特征直接输出了三维结构。与许锦波的研究成果异曲同工。

“不可否认，DeepMind 开发了非常有效的方法。但这项工作背后的概念和方法并非凭空而来，其关键技术是深度学习方法的应用。许锦波是这些结构建模方法的主要贡献者， DeepMind 的成果无疑是直接建立在他的工作之上。”John Moult 曾高度肯定许锦波的工作。

2020 年初，Demis Hassabis 和 John Jumper 等人在 Nature 上发文展示了 AlphaFold 算法的细节，其中也认可了许锦波的前述贡献。