C3Net: 预测异质系统物理化学性质的原子间势神经网络

原文约300字，阅读约需1分钟。发表于：。

提出了用于原子类型嵌入其分子环境和基于基本物理规律的相互作用势的深度神经网络架构，应用于异质系统中预测物理化学性质并优于基于量子力学和神经网络的最新方法在溶解自由能预测任务中。

本文介绍了利用合成的原子级数据作为神经网络原子间势函数的预训练任务，可以提高计算实践中的数值精度和稳定性。作者通过一系列与碳相关的等变图神经网络势函数进行可行性验证，并进行了初步实验来测试该方法的局限性。