AI for Science 大会现场:物理信息损失与量子化学成主角
burny_tech · x · 2026-11-03
作者 @burnytech 在一个 AI for Science 活动现场,观察到当前 AI for Science 研究大量使用物理信息损失函数(physics informed losses)与架构归纳偏置,量子化学方向尤为活跃。配图展示 MLAtom 中的 MS-ANI 机器学习势方法(基于 ANAKIN-ME),用神经网络预测分子能量:原子局部描述符保证平移旋转不变性、总能量按原子贡献求和、损失函数同时优化两个态的能量与能隙,用于含自旋轨道耦合的非绝热分子动力学模拟。作者称几何深度学习研究者会喜欢这个方向。
「研究」频道最新
- Harmonic 将在 REACH 2026 演讲：用 AI 定理证明器无幻觉合成硬件 — satnam6502 · 2026-11-03
- 零化 Qwen3.5-0.8B 单个权重列，同一提示从坏椅子变正确椅子 — victormustar · 2026-11-03
- 实验数据引导 AlphaFold3，Nature Biotech 论文解决构象坍缩问题 — mmbronstein · 2026-11-03
- 小米开源机器人基础模型 Xiaomi-Robotics-1，10万小时轨迹覆盖1700场景 — CyberRobooo · 2026-11-03
- Spacy 創始人 Honnibal 批評 LLM 權重讀寫研究摘要:各實驗方法並不相同 — honnibal · 2026-11-03
- 学者质疑 BioReason 基准：随机打乱输入序列模型竟无反应 — anshulkundaje · 2026-11-03