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。
📝
内容提要
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%。
🎯
关键要点
- 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方法结合了网格点与原子,增强了GNN的能力。
- Neural P$^3$M在多种分子系统中展现出灵活性和准确性。
- 在MD22数据集上,Neural P$^3$M的表现尤为优秀。
- 在OE62数据集上,Neural P$^3$M平均提升了22%。
🏷️