文章预览
DRUG AI 今天为大家介绍的是来自Stefan Chmiela团队的一篇论文。近年来，基于从头参考计算（ab-initio reference calculations）的机器学习力场（MLFFs）取得了巨大的进展。尽管这些力场在测试中表现出较低的误差，但由于在分子动力学（MD）模拟中长期不稳定性的问题，其可靠性正受到越来越多的关注。作者的研究发现，累积误差的稳健性与MLFF中等变表示的使用之间存在潜在联系，但这种表示的计算成本较高。为了解决这一问题，作者提出了一种名为的transformer架构，它结合了稀疏等变表示（欧几里得变量）和一种将不变信息与等变信息分离的自注意机制，避免了复杂的张量积运算。实现了准确性、稳定性和速度的权衡，使得对物质量子特性的深入分析成为可能，适用于更长的时间尺度和更大的系统规模。为展示其能力，作者生成了包含数百个原子的柔性肽
………………………………
