一种名为求解器对齐初始化学习(SAIL)的新机器学习技术已被开发出来,用于加速 Kohn-Sham 密度泛函理论(KS-DFT)计算。与以往在处理大分子时遇到困难的方法不同,SAIL 通过区分自洽场(SCF)求解器的部分来解决监督问题。这种方法包括一个称为有效相对迭代次数(ERIC)的校正指标,它显著减少了所需的求解器迭代次数。SAIL 在 QM40 和 QMugs 等数据集上展示了显著的改进,将机器学习加速的 SCF 计算的好处扩展到了大型、类似药物的分子。 AI
影响 通过降低分子模拟的计算成本来加速科学发现。
排序理由 详细介绍一种用于科学计算的新机器学习技术的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Effective Relative Iteration Count
- ERIC
- Liu et al., 2025
- QM40
- QMugs
- SAIL
- Solver-Aligned Initialization Learning
- Viktor Kotsev
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →