Journal of the American Chemical Society· Raphael T. Husistein; Markus Reiher·· 来源仅提供日期AI 评分27
计算化学新范式:基础机器学习原子间势有望取代 DFT
A New Paradigm for Computational Chemistry
AI 导读
基础机器学习原子间势正在打破代理势函数依赖大规模体系专属训练数据的瓶颈,可能让计算化学在不到十年内放弃把 DFT 作为首选方法。这类势函数兼具量子精度与力场速度,此前却需先为特定体系生成大规模训练数据。DFT 作为第一性原理方法开箱即用,但计算成本高得多。
已发表论文 · journal · 10.1021/jacs.6c06653
本站摘要基于收录版本 v1(2026-10-26),原始摘要与 AI 导读固定保留。
IF(5) 16.1 · 2025 · 期刊参考指标
摘要 · AI 翻译
计算化学已成为生成数据和洞见不可或缺的工具,渗透到实验化学的各个分支。其最核心的概念是势能超面,它是整个化学与材料科学的关键,因为它为分子结构赋予能量,而这正是阐明反应机理和计算反应速率的必要要素。密度泛函理论(DFT)一直是实践中获取此类能量的最重要方法,这体现在高性能计算硬件的广泛使用上。在过去二十年里,一类具有卓越特性的新型代理势能函数逐渐发展起来:兼具量子精度与力场速度。直到最近,它们的应用一直受阻于一个事实——必须先在真正庞大的、针对特定体系的数据集上进行训练,然后才能开始一项计算化学研究(这与 DFT 形成鲜明对比,后者作为第一性原理方法开箱即用,但计算代价要高得多)。就在最近,这一障碍已被所谓的基础机器学习原子间势所克服,它们有望彻底改变我们进行计算化学的方式,并很可能在不到十年内促使我们放弃将 DFT 作为此目的的首选方法。
来源:Journal of the American Chemical Society · doi.org