Popcornn框架用神经网络路径寻找过渡态
热点事件持续更新
Popcornn框架用神经网络路径寻找过渡态
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Kareem Hegazy等作者提出Popcornn框架,通过在机器学习原子间势(MLIP)上优化连续神经网络路径,并结合并行自适应数值积分器来寻找过渡态。作者称,该方法消除了路径离散化伪影,并降低了对超参数的敏感性。 在数千个有机反应、多种MLIP上,Popcornn比nudged elastic band和growing string等标准方法稳定找回更多正确过渡态。该框架的路径目标、积分策略和优化算法均可替换,作者称其适合高通量过渡态搜索。
AI 根据报道生成 · 1 小时前更新
最新进展11月18日 13:00
Popcornn:在机器学习势能面上用神经网络路径优化寻找过渡态报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.AIPopcornn:在机器学习势能面上用神经网络路径优化寻找过渡态
Popcornn 框架通过在机器学习原子间势(MLIP)上优化连续神经网络路径并结合并行自适应数值积分器来寻找过渡态,消除了路径离散化伪影并降低超参数敏感性。在数千个有机反应的多种 MLIP 上,它比 nudged elastic band 和 growing string 等标准方法稳定找回更多正确过渡态。该框架在路径目标、积分策略和优化算法上均可灵活替换,适合高通量过渡态搜索。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。