研究人员开发了 QHNetV2，这是一种新颖的神经网络，旨在高效预测哈密顿矩阵，从而加速电子结构计算。该模型通过在局部框架内利用高效的 SO(2) 等变操作来实现全局 SO(3) 等变性，避免了昂贵的 SO(3) Clebsch-Gordan 张量积的需要。在 QH9 和 MD17 等大型数据集上的实验表明，QHNetV2 在各种分子结构和轨迹上均表现出卓越的性能和泛化能力，表明其在电子结构中具有可扩展、对称感知学习的潜力。 AI
影响 这项研究提供了一种更高效、可扩展的学习电子结构的方法，有望加速物理学、化学和材料科学领域的科学发现。
排序理由 该集群包含一篇详细介绍新型 AI 模型及其实验结果的学术论文。[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 →
