PET用边到边注意力学习等变原子性质

Joseph W. Abbott 等作者在 arXiv 论文中演示，用 Point-Edge Transformer（PET）学习分子偶极、极化率、NMR 化学屏蔽张量和电子密度的辅助基组展开。 PET 的做法是以边到边注意力替代显式 O(3) 代数，从数据中学习等变性，而不是在模型里预先写入旋转对称规则。作者称，这一方式可统一处理上述多种原子性质。 论文报告的是演示结果，尚未给出与既有等变模型在同等任务上的对比结论。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。