TWIN机器学习模型以从头计算精度加速生物分子模拟

研究人员开发了可转移水隐式网络（TWIN），这是一种新颖的机器学习原子间势能（MLP），可显著加速生物分子系统的原子尺度建模。与以往依赖经验数据且精度有限的隐式溶剂MLP不同，TWIN仅使用从头计算和实验标签，并采用等变图神经网络进行训练。这种方法使TWIN能够达到与基于DFT的显式溶剂模型相当的精度，但评估时间却快了两个数量级，使其适用于大规模生物分子模拟。 AI

影响 能够实现更快、更准确的从头计算级别生物分子系统建模，有望加速药物发现和生物学研究。

排序理由 该集群描述了一个新的机器学习模型及其在科学基准测试中的表现，符合研究类别。[lever_c_demoted from research: ic=1 ai=1.0]

在 Hugging Face Daily Papers 阅读 →

• density functional theory
• Equivariant Graph Neural Network
• Hugging Face
• Transferable Water Implicit Network

• 论文
• 基础设施

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