PulseAugur
中
实时 06:49:13

新AI方法预测分子Hessian矩阵速度提升100倍

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为Hessian Interatomic Potentials (HIP) 的新颖方法，无需进行导数计算即可预测分子Hessian矩阵，这对于计算化学任务至关重要。这种深度学习方法比传统方法速度更快、精度更高、内存效率更高。HIP在过渡态搜索和振动分析等各种应用中均表现出卓越的性能，研究团队已开源代码库和模型权重。 AI

影响 通过提供一种更快、更准确的预测分子Hessian矩阵的方法，加速了计算化学研究。

排序理由 详细介绍新方法及其验证的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新AI方法预测分子Hessian矩阵速度提升100倍

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Andreas Burger, Luca Thiede, Nikolaj R{\o}nne, Varinia Bernales, Nandita Vijaykumar, Tejs Vegge, Arghya Bhowmik, Alan Aspuru-Guzik ·

    Shoot from the HIP: Hessian Interatomic Potentials without derivatives

    arXiv:2509.21624v3 Announce Type: replace Abstract: Fundamental tasks in computational chemistry, from transition state search to vibrational analysis, rely on molecular Hessians, which are the second derivatives of the potential energy. Yet, Hessians are computationally expensiv…

相关实体

相关话题