研究人员开发了一个统一的贝叶斯优化框架，以加速势能面平稳点的搜索。该方法利用具有导数观测和主动学习的高斯过程回归，有可能将昂贵的电子结构评估次数减少一个数量级。该框架已被证明适用于最小化、单点鞍点搜索和双端路径搜索，并附带Rust语言的配套代码以供实际应用。 AI
影响 这项研究可能显著加速需要势能面分析的领域（如材料科学和药物发现）的模拟。
排序理由 这是一篇详细介绍加速科学计算新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
研究人员统一贝叶斯优化用于平稳点搜索
报道来源 [1]
-
Bayesian Optimization with Gaussian Processes to Accelerate Stationary Point Searches
arXiv:2603.10992v4 Announce Type: replace Abstract: Building local surrogates to accelerate stationary point searches on potential energy surfaces spans decades of effort. Done correctly, surrogates can reduce the number of expensive electronic structure evaluations by roughly an…