PulseAugur
中
实时 09:39:10
English(EN) Transferable Implicit Solvent Machine Learning Potential for Drugs and Proteins Approaching Ab Initio Accuracy

新的ML势能TWIN模型以从头计算精度模拟生物分子系统

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了可转移水隐式网络（TWIN），这是一种用于模拟水环境中生物分子系统的新型机器学习势能。与依赖经验力场数据的先前模型不同，TWIN仅使用等变图神经网络在从头计算和实验标签上进行训练。这种方法使TWIN能够实现与密度泛函理论（DFT）相当的精度，同时速度快两个数量级，使其适用于模拟复杂的生物系统。 AI

影响 能够更快、更准确地模拟生物分子系统，有望加速药物发现和生物学研究。

排序理由 该集群包含一篇详细介绍用于科学模拟的新机器学习模型的学术论文。[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 →

新的ML势能TWIN模型以从头计算精度模拟生物分子系统

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jan Eckwert, Julija Zavadlav ·

    Transferable Implicit Solvent Machine Learning Potential for Drugs and Proteins Approaching Ab Initio Accuracy

    arXiv:2607.10887v1 Announce Type: cross Abstract: Machine learning interatomic potentials (MLPs) have revolutionized atomistic modeling, offering the potential to replace traditional methods like Density Functional Theory (DFT). However, inference time of MLPs is orders of magnit…

相关实体

相关话题