DRUG AI 今天为大家介绍的是来自奥维耶多大学的Ángel Martín Pendás团队的一篇论文。通过机器学习的计算化学导致了一种矛盾的情况，即分子性质可以被准确预测，但却难以解释。可解释的人工智能（XAI）工具可以用于分析复杂模型，但它们高度依赖于AI技术和参考数据的来源。另一种方法是直接使用可解释的真实空间工具，但它们通常计算成本高昂。为了应对解释性和准确性之间的这一困境，作者开发了SchNet4AIM，这是一种基于SchNet的架构，能够处理局部一体（原子）和两体（原子间）描述符。通过预测从原子电荷和离域指数到成对相互作用能量的多种真实空间量，作者测试了SchNet4AIM的性能。SchNet4AIM的准确性和速度打破了在复杂系统中使用真实空间化学描述符的瓶颈。作者展示了由物理上严格的原子预测产生的群体离域指数，提供了可靠的超分子
………………………………
