研究人员开发了MEHnet-MG，一种等变网络，旨在以显著降低的计算成本预测具有耦合簇精度的分子电子结构性质。该模型在一个包含九种主族元素的新数据集上进行训练，可以从一次廉价的B3LYP/def2-SVP计算中推导出能量、光学带隙和偶极矩等各种性质。与传统的密度泛函理论方法相比，MEHnet-MG的误差显著降低，并且能够准确地外插到更大的分子系统，这是基于池化的架构无法实现的。 AI
影响 这项开发通过以当前计算成本的一小部分提供准确的分子性质预测，有可能显著加速计算化学研究。
排序理由 该集群包含一篇详细介绍用于预测分子性质的新型AI模型的研究论文。[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 →
