每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

EDBench：用于分子建模的大规模电子密度数据

Created by
  • Haebom

作者

项洪鑫、李科、刘明权、程志祥、姚斌、杜文杰、夏军、曾立、金鑫、曾湘祥

大纲

本文介绍了一个大规模、高质量的电子密度数据集 EDBench，旨在解决现有分子机器学习力场 (MLFF) 中忽视电子密度 (ED) 重要性的问题。EDBench 基于 PCQM4Mv2，为 330 万个分子提供了精确的 ED 数据，并通过各种以 ED 为中心的基准测试任务（包括预测、搜索和生成）评估了模型利用电子密度信息的能力。评估结果表明，与传统的 DFT 计算相比，利用 EDBench 的基于学习的方法可以高效地计算 ED，并具有相当的精度，同时显著降低了计算成本。EDBench 数据和基准测试均可免费获取，预计将为基于 ED 的药物发现和材料科学研究做出贡献。

Takeaways, Limitations

•
Takeaways：
◦
构建大规模、高质量的电子密度数据集 EDBench 为研究 MLFF 开辟了新的可能性。
◦
我们证明基于电子密度的机器学习模型可以比 DFT 更有效地计算电子密度。
◦
为基于ED的药物开发和材料科学研究提供了重要基础。
◦
可以通过各种以 ED 为中心的基准任务来评估和改进模型性能。
•
Limitations：
◦
需要进一步审查 EDBench 的数据大小和多样性。
◦
需要进一步研究来评估 EDBench 对各种分子系统的泛化性能。
◦
基于学习的方法的准确性和效率在很大程度上取决于数据集的质量。
👍
Made with Slashpage