AI
AI
资讯
alishangtian.com
首页
大模型
智能体
开源项目
研究前沿
行业动态
知识库
主题色 · THEME
靛蓝(默认)
极光
落日
薰衣草
海洋
森林
暮橙
石墨
自定义
恢复默认
提交线索
agent
anthropic
openai
huggingface daily papers
ai安全
gpu
jake wharton
it之家
solidot
港股
搜索:
NequIP
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
分子三维等变 GNN:让网络遵守旋转、平移与置换
分子换一个坐标系不应改变其标量性质,向量与张量预测则必须随坐标一同变换。本文从对称性出发,比较 DimeNet、EGNN、PaiNN 与
NequIP
的几何建模方式,解释等变归纳偏置如何用于分子结构与量子性质预测,并将边界限定在分子任务,而非材料通用原子势。
研究前沿
精选
· 原创 · 今天
阅读 4
·
访客 4
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