grappa-fullFF统一学习键合与非键合力场参数

Berkay Günes等研究者提出 grappa-fullFF，可同时且一致地从从头算参考数据中学习键合与非键合参数，无需外部指定非键合参数。 该模型通过静电梯度监督引入物理正则化并结合电荷均衡架构，恢复了准确的电响应性质，在几何优化基准上达到 SOTA 精度，并复现了经典力场与已有机器学习力场的构象采样。该工作已被 NeurIPS 2026 的 ML4Molecules Workshop 接收。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。