轨道混合器：利用原子轨道特征进行分子波函数的基依赖预测
计算物理
2022-11-30 v1 化学物理
摘要
大规模利用第一性原理数据使得开发能够极准确和快速预测分子性质的机器学习模型成为可能。许多先前工作的核心范式聚焦于仅对固定的一组性质生成预测。近期的研究路线转而旨在显式学习分子波函数以直接推导其他量子化学性质。先前方法仅将预测作为原子构型的函数，而本工作中我们提出一种替代方法，直接利用基依赖信息预测分子电子结构。我们模型 Orbital Mixer 的骨干在一个简单、直观且可扩展的架构中使用 MLP Mixer 层，并在哈密顿量及分子轨道能量和系数预测精度上取得了与最先进方法竞争的成果。
引用
@article{arxiv.2205.06133,
title = {Orbital Mixer: Using Atomic Orbital Features for Basis Dependent Prediction of Molecular Wavefunctions},
author = {Kirill Shmilovich and Devin Willmott and Ivan Batalov and Mordechai Kornbluth and Jonathan Mailoa and J. Zico Kolter},
journal= {arXiv preprint arXiv:2205.06133},
year = {2022}
}