Diffusiemodellen zijn recentelijk aangepast voor proteïne modellering, wat veelbelovend is voor het ontwerpen van nieuwe therapeutica. Huidige modellen missen echter fysische principes. Getraind op gekristalliseerde proteïne structuren vereisen ze computationeel dure nabewerking via moleculaire dynamica voor realistische toepassingen mogelijk worden. Mijn project beoogt een brug te slaan tussen datagedreven moleculaire generatie en fysica door interatomaire krachtvelden direct in het generatief process te integreren. Een door fysica-geïnformeerd geleidingsstrategie zal het diffusieproces efficiënt sturen naar betekenisvolle proteïne structuren. Deze aanpak zal worden uitgebreid voor het genereren van meerdere valide gevouwen structuren bij eindige temperaturen, waardoor belangrijke eigenschappen zoals bindingsvrije energie kunnen worden geëxtraheerd. Tot slot wil ik onderzoeken of de deze methoden kunnen worden ingezet voor het simuleren van vouwingstrajecten, in een hybride benadering die veel minder rekenkracht vergt dan klassieke moleculaire dynamicasimulaties. Dit onderzoek bouwt voort op mijn expertise in dynamische geleidingsstrategieën voor beeldgeneratie, mijn opleiding als ingenieursfysicus en sluit verder aan bij de strategische richting van mijn promotor in AI-gebaseerde moleculaire modellering. Het doel is om de antilichaam-industrie in Vlaanderen te voorzien van geavanceerde hulpmiddelen om hun proteïne engineering-processen te verbeteren.