跳到正文
热点事件持续更新

神经原子间势训练新基准发布

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

研究作者发布原子间势训练新基准,比较了DFT标签昂贵时预训练结合Δ-learning等四种方案。结果显示,该方案先使用1760万条廉价GFN2-xTB计算数据预训练,在32组对比中有31组取得最低平均能量和力误差,并在独立反应集上最准确地预测反应能及能垒。研究同时指出,更准确的机器学习预测未必能带来更好的反应路径搜索效果。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. AGI Hunt
    新基准评测神经原子间势:DFT 标签昂贵时预训练+Δ-learning 最准预测反应能垒

    新基准比较了 DFT 标签昂贵时训练神经原子间势的四种方案,预训练结合 Δ-learning 表现最优。该方案先在 1760 万条廉价 GFN2-xTB 计算上预训练,在 32 组对比的 31 组中取得最低平均能量/力误差,并在独立反应集上最准预测反应能与能垒;但更好的 ML 预测不必然带来更好的反应路径搜索。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。