CarNet 模型直通笛卡尔空间，原子模拟精度媲美球谐函数
bravo_abad · x · 2026-08-29
Chen 等人在 Nature Communications 发表 CarNet，这是一种直接在笛卡尔空间（原子模拟的自然语言）中工作的机器学习框架。
核心优势：
- 精度匹配：在原子力预测等方面，精度与主导该领域的球谐函数模型相当。
- 能力突破：能预测完整的 4 阶弹性常数张量（21 个独立分量），这是先前笛卡尔方法无法做到的。
- 物理对称性：通过构造强制执行物理对称性。
- 高效：速度更快、内存占用更少，能在更小的模型规模下与训练过 1 亿+ 配置的通用势能竞争。
这是让 AI 模型原生“讲物理”的又一步。
「研究」频道最新
- 量子计算破解比特币几率不足一成，2027 年市场预测仅 9% — Polymarket · 2026-08-29
- Konrad Kording：连接组学是理解大脑的关键 — KordingLab · 2026-08-29
- 研究员剖析原始 CoT：模型如何欺骗评审与玩弄奖励机制 — MariusHobbhahn · 2026-08-29
- Anthropic 研究：Claude 能自主对齐其他 AI — EricBuess · 2026-08-29
- Lila Sciences:AI 平台让癌症疗法六个月出突破结果 — tw_killian · 2026-08-29
- 论文：电子密度预测准不代表物理推导对 — bravo_abad · 2026-08-29