Neural P$^3$M: Enhancer for Long-Range Interaction Modeling in Geometric GNNs
原文英文，约100词，阅读约需1分钟。发表于：。本文研究了几何图神经网络（GNN）在建模大分子系统时，长期交互捕获能力不足的问题。我们提出的Neural P$^3$M通过将网格点与原子结合，重新想象传统数学操作，从而增强了GNN的能力，展现出在多种分子系统中的灵活性，并在能量和力的预测上表现出显著的准确性，对MD22数据集的基准测试结果尤为优秀。同时，在OE62数据集上平均提升了22%。
本文探讨了几何图神经网络（GNN）在大分子系统中捕捉长期交互的不足。提出的Neural P$^3$M方法通过结合网格点与原子，提升了GNN的能力，在多种分子系统中展现出灵活性和准确性。特别是在MD22数据集上表现出色，并在OE62数据集上平均提升22%。
