《自然》子刊发表实验室最新成果:预训练框架GPIP,AI驱动计算物质科学研究新范式
2024-4-12新闻
近日,上海人工智能实验室(上海AI实验室)推出首个针对机器学习势函数模型的自监督预训练框架GPIP(Geometry-enhanced Pretraining on Interatomic Potentials),为AI驱动计算物质科学研究提供了新范式。
研究人员将AI与基础科学深度融合,提出了创新的自监督学习策略,使机器学习势函数的性能可靠度提升超过30%,同时,使用GPIP获取数据的计算量仅为传统方法的1%,大幅降低了研究成本。
由于能够精准模拟物质体系中分子的行为,势函数模型已成为当前实现高性能分子模拟的关键,在材料设计、药物研发等领域具备巨大应用潜力。上海AI实验室持续布局计算物质科学等AI for Science相关研究,深入探索AI在物质科学研究中的应用。
该成果相关论文Geometry-enhanced Pretraining on Interatomic Potentials已发表于Nature旗下刊物Nature Machine Intelligence。
论文标题:
Geometry-enhanced Pretraining on Interatomic Potentials
论文链接:
https://www.nature.com/articles/s42256-024-00818-6
免责声明:本文转自网络,版权归原作者所有,如涉及作品版权问题,请及时与我们联系删除,谢谢!
End.
想了解更多产品信息、行业资讯
↓
新浪微博 - 视频号 - 官网
分享、在看与点赞
只要你点我都喜欢