MLIP - AI在线

低成本、准确、稳健，各类分子通用，上海人工智能实验室开发MD模拟AI新方法

编辑 | 绿萝机器学习原子间势（MLIP）因其兼顾高精度和高效率的优势，在材料、化学、生物学等领域的大尺度原子模拟研究中引起了广泛关注。然而，高性能 MLIP 依赖于大量标记数据，通过从头计算获取这些数据的成本很高。近日，上海人工智能实验室、复旦大学和清华大学的研究团队，提出了一种 MLIP 的几何学习框架 GPIP，利用未标记的构型来提高 MLIP 的性能。研究表明，GPIP 只需少量的计算成本即可显著提高 MLIP 的准确性和泛化性，并且与不同的不变或等变图神经网络架构兼容。该方法增强了 MLIP，并推进了分子