Anima Anandkumar 团队推出 eSpinor：SU(2) 等变网络预测磁性
AnimaAnandkumar · x · 2026-10-31
Caltech 教授 Anima Anandkumar 团队受自旋-轨道耦合电子态的自旋子（spinor）性质启发，提出 eSpinor——一个 SU(2) 等变图神经网络，通过传播自旋子特征来预测依赖自旋-轨道耦合（SOC）的磁性质。
背景与动机：
- 磁各向异性、激发能、自旋动力学等磁性质对单分子磁体、MRI 探针等自旋技术设计至关重要。
- 传统预测需 CASSCF-SO 多参考电子结构计算，单个分子几何构型可能耗时数小时。
核心思路：
- SO(3) 等变性已提升机器学习原子间势的旋转不变能量预测精度，团队进一步将 SU(2) 等变性施加于自旋子特征，作为预测磁性质的归纳偏置。
「研究」频道最新
- 清华团队开源 Falcon：看嘴型定向提人声，参数省 91.9%、延迟降 11 倍 — aigclink · 2026-10-31
- 单神经元实验：模型会为被「植入」的联想词编造理由 — Sauers_ · 2026-10-31
- GOFish：鱼眼直训 3DGS 超越 180° 视场并可提取碰撞网格 — janusch_patas · 2026-10-31
- 免训练知识迁移:Artifact Distillation 让小模型借题库反超中模型 — kalyan_kpl · 2026-10-31
- AI 自动审稿时代来临：90% 研究太模糊以至于无法证伪 — RexDouglass · 2026-10-31
- 微软 ScholarEvolve 冻结模型参数,自动进化 agent 框架涨 14 个百分点 — jiqizhixin · 2026-10-31