实体
QMugs
QMugs
PulseAugur coverage of QMugs — every cluster mentioning QMugs across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的神经网络算子加速密度泛函理论计算
研究人员开发了HamEvo，这是一种新颖的神经网络算子，旨在通过预测Kohn-Sham哈密顿量来加速密度泛函理论（DFT）计算。与现有基线相比，该方法将误差降低了35-49%，并能高精度地预测分子轨道能量。HamEvo表现出令人印象深刻的可扩展性，只需少量微调即可将其能力扩展到更大的分子，并且推理速度比传统DFT快242倍。
-
新的SAIL方法将分子模拟速度提升2倍以上
研究人员开发了一种名为求解器对齐初始化学习（SAIL）的新方法，以提高计算化学中自洽场（SCF）计算的效率。传统的机器学习方法在大分子方面存在困难，但SAIL通过区分SCF求解器来解决这个问题。该技术显著减少了收敛所需的迭代次数，在基准数据集上显示出实质性改进，并能够对大型、类药物分子进行更快的计算。