Langevin Flow Maps加速分子动力学模拟
热点事件持续更新
Langevin Flow Maps加速分子动力学模拟
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
Sam McCallum等作者提出Langevin Flow Maps方法，将机器学习的力场扩展为同时学习随机Langevin积分器，从而支持大时间步的分子动力学模拟，并称能准确还原系统动力学性质，运行速度比现有机器学习力场快一个数量级。 作者称，通过在多样化分子数据集上训练，该工作还展示了实现可迁移Langevin Flow Maps的路径。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
Langevin Flow Maps：高效分子动力学与过渡路径采样报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.LGLangevin Flow Maps：高效分子动力学与过渡路径采样
Langevin Flow Maps 将机器学习的力场扩展为同时学习随机 Langevin 积分器，支持大时间步分子动力学并准确还原系统动力学性质，运行速度比现有机器学习力场快一个数量级。通过在多样化分子数据集上训练，该工作还展示了实现可迁移 Langevin Flow Maps 的路径。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。