新研究 Langevin Flow Maps：自学会随机解的神经网络势
Niklas_TR · x · 2026-10-17
作者团队（与 Sam McCallum 合作，Alexander Tong 与 James Foster 指导）发布 Langevin Flow Maps (LFMs)：一种「学会自己的随机 pathwise 解」的神经网络势，目标是让分子模拟更快更稳。三大卖点：可跨分子体系迁移、保留转移动力学、无需轨迹数据。论文与数据均已公开（arXiv:2606.01086 相关）。
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