Acellera 发布 AceFF-2-OMOL,大幅推进分子势速度-精度 Pareto 前沿
gdefabritiis · x · 2026-11-12
Acellera 团队发布新一代机器学习原子间势(MLIP)模型 AceFF-2-OMOL,称其在速度与精度的权衡上大幅推进了 Pareto 前沿。
- 基于 TensorNet v2 架构,实现在 TorchMD-Net 库中,针对药物类小分子设计,支持全部关键化学元素与带电分子
- 与在 Acellera 内部私有数据集训练的 AceFF-2.0 不同,AceFF-2-OMOL 基于公开的 OMol25 数据集(wB97M-V/def2-tzvppd 级别的分子力与能量)训练
- 在 Wiggle150 基准上 MAE 为 1.25 kcal/mol、RMSE 1.64,优于 AceFF-2.0(1.76/2.34)及 AIMNet2、ANI-2x 等对比方法
- 配图显示,借助 NVIDIA 为 TensorNet 构建的优化内核,Acellera-TensorNet 版本在 2661 原子水盒子模拟中把速度推到约每秒百步量级,同时保持约 1.2 kcal/mol 的 SPICE MAE,明显优于既有前沿
模型已在 Hugging Face 开放(CC BY-ND 4.0)。
「研究」频道最新
- 学者称学界正形成「AI 种姓制度」,拒绝用 AI 者将成高危教士 — sebkrier · 2026-11-12
- PyTorch 2.15 LU 求解器性能暴跌百倍，作者劝勿升级 — ducha_aiki · 2026-11-12
- 图灵研究所论文：IMO 自主船舶法规存在安全论证缺口 — turinginst · 2026-11-12
- Caltech 教授 Anandkumar：AI 预测飓风路径更快更可靠 — AnimaAnandkumar · 2026-11-12
- 预印本：低频 EEG 领先瞳孔动态约 764 毫秒 — AnnaCiaunica · 2026-11-12
- PACT：为扩散语言模型的中间草稿步骤提供有效训练信号 — burkov · 2026-11-12