基于强随机流映射提出 LFM 训练目标预测未来力与速度
Niklas_TR · x · 2026-10-17
方法建立在作者此前 Strong Stochastic Flow Maps（arXiv:2606.01086）工作之上——SSFMs 学习加性噪声 SDE 的强解映射，用布朗运动多项式逼近实现 pathwise 收敛，可用于扩散模型的少步采样。将其应用于欠阻尼分子动力学时，流映射同时预测未来状态的力与速度。
所属事件:Langevin Flow Maps：自学会积分器的神经网络势加速分子动力学(10 条相关)→
「研究」频道最新
- 用 Opus 数小时设计出约 3.1 万美元开源低场 MRI 头部扫描仪 — DreamFly_13 · 2026-10-18
- 博士在自家棚屋建 Class 100 洁净室，开源家庭造芯片全流程指南 — jwt0625 · 2026-10-18
- MIT 发布多模态模型教 AI 看懂晶体 3D 结构 — MIT News AI · 2026-10-18
- GPG 投影的几何结构：马尔可夫链粗粒化新视角的工作进展 — michaelchchoi · 2026-10-18
- 无反向传播预训练提速 2.3 倍,Noise 方法逼近 Dust 纪录 — inductionheads · 2026-10-18
- q3dviewer 开源:像画画一样流畅编辑点群的 Qt+OpenGL 工具 — 4310sy · 2026-10-18