跳到正文
热点事件持续更新

SENK模型提升振动光谱预测可迁移性

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

Zetong Li 等作者提交的论文 v2 提出 SENK（SO(3) 等变神经卡尔曼网络）模型：以等变 Transformer 主干学习 Hessian、偶极导数和极化率导数，并通过 Equivariant Neural Kalman 桥与 NBO 电子先验通路进行状态修正和光谱校准。 作者称，SENK 在 QM9S 和 QMe14S 数据集上优于 DetaNet，并在从小分子到类药体系的范围内保持完整的红外与拉曼光谱保真度。上述比较结果来自论文自述。

AI 根据报道生成 · 13 小时前更新

最新进展10月21日 12:00
SENK：用响应态学习与电子先验实现可迁移振动光谱表征

报道时间线

沿着报道，了解事件的不同侧面。

10月21日
  1. arXiv 物理
    SENK：用响应态学习与电子先验实现可迁移振动光谱表征

    SO(3) 等变神经卡尔曼网络（SENK）以等变 Transformer 主干学习 Hessian、偶极导数和极化率导数，并通过 Equivariant Neural Kalman 桥与 NBO 电子先验通路实现状态修正和光谱校准。

本事件热度走势

可比范围当前
8
可比范围峰值
1010月21日 13:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。