研究人员开发了一个名为FB-GNN-MBE的新框架，该框架集成了基于片段的图神经网络（FB-GNN）和多体展开（MBE）理论。该方法旨在准确预测传统量子力学建模无法处理的大型复杂化学系统的势能面。FB-GNN-MBE框架将系统划分为片段，计算它们的能量，并利用训练好的结构-性质关系来描述相互作用，在水和苯酚体系的两体和三体能量方面达到了化学精度。一项关键创新是数据自适应迁移学习协议，其中一个“教师”模型将知识传授给一个“学生”模型，从而无需进行广泛的重新训练即可对大型分子组装体进行高效准确的预测。 AI
影响 该框架为预测大型分子组装体中的相互作用能提供了一种可扩展且准确的方法，有望加速化学设计和理解方面的研究。
排序理由 该集群包含一篇学术论文，详细介绍了用于预测化学系统能量的新计算框架。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
