Meta 还推出了一种名为“伴随采样”的全新 AI 分子模拟方法。与传统 AI 模型通常需要大量真实世界数据来生成新分子结构不同，“伴随采样”即使在缺乏真实样本的情况下，也能学习并提出新的分子结构。该技术借鉴了随机控制理论和扩散过程的概念，Meta 团队认为扩散过程尤其适用于模拟分子。实验表明，“伴随采样”只需少量计算即可快速探索多种分子结构变体，并且生成的分子构象不仅能与传统软件的结果相匹配，在处理具有多个灵活组件的分子时甚至表现更优。相关的模型、代码和更多信息已在 Hugging Face 和 GitHub 上提供。

尽管取得了显著进展，Meta 也指出当前仍存在一些挑战。例如，对于聚合物、某些金属或复杂的质子化状态等化学领域，数据的覆盖尚不完善。此外，AI 模型在预测电荷、自旋和长程相互作用等性质方面仍有提升空间。