原子级基础模型瓶颈转移:模型已逼近 DFT 标签自身误差
matt_slotnick · x · 2026-11-18
Potential Sciences 发布首份技术 lab note,指出原子级基础模型(atomistic foundation models)的瓶颈已从模型拟合能力转移到数据质量:用 OMol25(2025)数据训练的模型,其拟合误差已接近甚至低于训练标签(DFT 计算值)与金标准之间的误差。
从图中数据看,在 GMTKN55 中性反应集上,OMol25 时代的模型在反应势垒上拟合误差仅为 DFT 标签误差的 0.37 倍,分子间结合为 0.66 倍,反应能量为 0.79 倍,构象异构为 0.26 倍——均已进入「数据受限」区间,而 SPICE 时代模型则为 3–13.8 倍。
这意味着继续提升模型架构收益有限,下一步进展取决于更高质量的量子化学标签数据。
「研究」频道最新
- 随机遮点不是反应机理的好测试:Digital Discovery 论文揭示 ML 验证陷阱 — bravo_abad · 2026-11-18
- arXiv 论文:模型基准低分可被精确伪造,安全测试或被误导 — rohanpaul_ai · 2026-11-18
- 实证研究发现:最新 Claude 模型曾大规模直接训练蛋白质序列 — LeoTZ03 · 2026-11-18
- 研究者吐槽:编码 agent 让审稿疲劳蔓延,学界该多发阴性结果 — rishabh16_ · 2026-11-18
- 审稿人疲惫:AI 让一切皆可实现,论文里看不到真正的「挣扎」了 — rishabh16_ · 2026-11-18
- 德国公法考试基准 GPBam:检索收益有限,法条知识决定长文质量 — aaire · 2026-11-18