machine learning force field | BriefGPT

关键词machine learning force field

搜索结果 - 4

ICMLAdsorbDiff: 条件去噪扩散下的吸附剂定位
使用去噪扩散法确定广泛应用中新颖催化剂的最佳吸附剂结构配置，通过预训练机器学习力场优化扩散预测的吸附剂结构，在密度泛函理论的评估下取得了比之前最佳方法提高了 5 倍或 3.5 倍的加速度和准确性改进。
PDF2 months ago
BAMBOO: 液态电解质开发的可预测和可传递的机器学习力场框架
BAMBOO 是一个新颖的分子动力学（MD）模拟框架，通过物理启发的图等变换器架构，集成知识蒸馏方法和密度对齐算法，实现了在锂电池液体电解质中准确预测密度、粘度和离子传导性等关键电解质性质的水平。
PDF3 months ago
机器学习原子模拟模型中的参考点角色
该论文介绍了化学环境建模理论（CEMT），一种新颖的广义框架，旨在克服传统基于原子的机器学习力场（MLFF）模型的局限性，广泛应用于化学系统的原子模拟。CEMT 通过允许参考点在模拟域中的任何位置存在，从而展示了增强的灵活性和适应性，从而实
PDF8 months ago
科学领域的人工智能是否需要另一个 ImageNet 或完全不同的基准？机器学习势场的案例研究
用机器学习力场作为案例研究，探讨有效评估科学领域中 AI 的基准测试方法，在样本效率、时间段敏感性和跨数据集泛化能力等方面提供了解决方案，并提出了一套更能评估模型在真实科学应用中性能的指标。
PDFa year ago