Paper Notes
首页 标签 列表

机器学习势能

  • 节省版路径积分(Eco-PIMD):无需 Hessian 的四阶精度收敛,开启凝聚相核量子效应模拟新纪元

    2026-07-08

    牛津大学 Zezhu Zeng 和 David E. Manolopoulos 提出了一种突破性的“节省版”路径积分(Eco-PIMD)方法。通过优化环聚合物内部简正模式频率,该方法在仅需标准二阶 Trotter 计算量的前提下,实现了媲美四阶 Suzuki-Chin 的收敛速度,彻底免除了对昂贵势能面 Hessian 矩阵的计算需求。

    • #路径积分分子动力学
    • #核量子效应
    • #机器学习势能
    • #凝聚相物理
    • #计算化学
  • NEP-CG与NEP-AACG:高精度、可迁移且高效的多尺度神经演化势能

    2026-03-03

    本文提出了一种基于神经演化势能(NEP)框架的粗粒化(CG)和多尺度全原子-粗粒化(AACG)方法,通过引入低噪声训练数据和关键的维里校正,实现了高精度、跨压强可迁移且计算高效的分子动力学模拟。

    • #分子动力学
    • #粗粒化模型
    • #机器学习势能
    • #多尺度模拟
    • #神经演化势能

© 2026 Paper Notes.