搜索:MACE

共命中 3 条(服务端检索)
原子结构的三维等变网络:让旋转进入神经网络的几何规则
原子结构在整体旋转后不应改变能量,力却必须跟着旋转。三维等变网络把这种几何关系写入表示与消息传递,而不依赖大量旋转增强。本文从 TFN 的球谐滤波讲到 NequIP 的能量与力,再看 MACE 如何扩展高阶邻居相互作用,并界定数据效率、精度与泛化结论的适用范围。
研究前沿 精选 · 原创 · 今天 阅读 5·访客 5
从密度泛函理论到机器学习原子势:让昂贵的量子计算跑得更远
DFT 给出高质量的能量与力标签,却难以直接承担长时间、大体系采样。本文从 Hohenberg–Kohn 与 Kohn–Sham 理论出发,解释机器学习原子势如何拟合势能面、怎样进入分子动力学,以及局域性、数据覆盖和误差传播为何决定模型能否用于目标体系。
研究前沿 精选 · 原创 · 今天 阅读 1·访客 1
We’re putting too much faith in AI’s ability to say no
Ever since people first seriously contemplated giving machines an intelligence modeled on our own, there has never been …
行业动态 MIT Technology Review · 10-9 阅读 39·访客 39