新论文：机器学习势可跨量子化学方法迁移，精度超越训练方法本身
CatAstro_Piyush · x · 2026-10-15
arXiv 论文（2610.18027，Dral 等）提出机器学习势（MLP）通常被认为精度上限受限于训练方法，过去只能通过拟合实验观测来超越。本文主张可让 MLP 在「量子化学方法空间」上泛化，实现非经验性的超越：作者提出 method-transferable MLP 的构建路线，使其能预测未见过的量子化学方法。
- 在密度泛函与波函数理论两类框架下均有可用实现，结果显示其精度可超过任何单一训练方法
- 即使 method-transferable MLP 仍不如原 QM 方法精确，这一思路也可能让通用 MLP 超过单方法模型
- 该方向将改变训练数据集构建与模型评估方式，推动化学模拟的精度极限
「研究」频道最新
- 亚马逊团队开源 Rufus-Air：400 块 H200 复现完整后训练流程 — JingfengY · 2026-10-15
- Snorkel 发布 Frontier Data Summit 主题演讲：AI 数据进入研究时代 — ajratner · 2026-10-15
- 异方差 Student-t 回归追平扩散策略,机器人学习无需生成模型 — YouJiacheng · 2026-10-15
- Handwired：把普通 JS 代码零训练变成可微分神经网络 — charliermarsh · 2026-10-15
- 儿童安全基准 KORA 上 model card,Mistral 从垫底冲到第 10 — GregKamradt · 2026-10-15
- Mercor 绘制美国经济 AI 基准地图:90% 工时无基准覆盖 — evijit · 2026-10-15