《自然》子刊發(fā)表實驗室最新成果:預訓練框架GPIP,AI驅(qū)動計算物質(zhì)科學研究新范式
2024-4-12新聞
近日,上海人工智能實驗室(上海AI實驗室)推出首個針對機器學習勢函數(shù)模型的自監(jiān)督預訓練框架GPIP(Geometry-enhanced Pretraining on Interatomic Potentials),為AI驅(qū)動計算物質(zhì)科學研究提供了新范式。
研究人員將AI與基礎(chǔ)科學深度融合,提出了創(chuàng)新的自監(jiān)督學習策略,使機器學習勢函數(shù)的性能可靠度提升超過30%,同時,使用GPIP獲取數(shù)據(jù)的計算量僅為傳統(tǒng)方法的1%,大幅降低了研究成本。
由于能夠精準模擬物質(zhì)體系中分子的行為,勢函數(shù)模型已成為當前實現(xiàn)高性能分子模擬的關(guān)鍵,在材料設(shè)計、藥物研發(fā)等領(lǐng)域具備巨大應(yīng)用潛力。上海AI實驗室持續(xù)布局計算物質(zhì)科學等AI for Science相關(guān)研究,深入探索AI在物質(zhì)科學研究中的應(yīng)用。
該成果相關(guān)論文Geometry-enhanced Pretraining on Interatomic Potentials已發(fā)表于Nature旗下刊物Nature Machine Intelligence。
論文標題:
Geometry-enhanced Pretraining on Interatomic Potentials
論文鏈接:
https://www.nature.com/articles/s42256-024-00818-6
免責聲明:本文轉(zhuǎn)自網(wǎng)絡(luò),版權(quán)歸原作者所有,如涉及作品版權(quán)問題,請及時與我們聯(lián)系刪除,謝謝!
End.
想了解更多產(chǎn)品信息、行業(yè)資訊
↓
新浪微博 - 視頻號 - 官網(wǎng)
分享、在看與點贊
只要你點我都喜歡