BriefGPT - AI 论文速递
·
利用分子中原子量子特性预训练图变换器以改善ADMET建模
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
机器学习的原子间势函数在材料建模中很重要，但需要高质量的量子力学数据。本文提出用合成数据预训练神经网络势函数，在小数据集上微调，提高精度和稳定性。通过碳相关的图神经网络势函数验证了该方法的可行性，并进行了初步实验测试其局限性。
🎯
关键要点
- 机器学习的原子间势函数在材料建模中非常重要。
- 高质量的量子力学数据是势函数质量的关键。
- 利用合成数据预训练神经网络势函数可以提高精度和稳定性。
- 经过合成数据集的预训练后，模型可以在小数据集上微调。
- 通过碳相关的图神经网络势函数验证了该方法的可行性。
- 进行了初步实验以测试该方法的局限性。
➡️
