Oak Ridge National Laboratory

过渡态搜索长期依赖人工设定的基态构型，容易漏掉有限温度下可能主导速率的亚稳构型。一个把全局构型搜索与轻量图神经网络结合的工作流，先在势能面上采样反应物、产物和中间体的多种构型，再用仅约3万个可训练参数的边感知注意力网络预测过渡态几何。在碳氮载体上的Pt4催化丙烷脱氢中，该流程重建了已知机理，并给出此前手工建模未涉及的竞争路径；作者同时指出，亚稳四面体Pt4虽本征更活泼，但其形成代价使其难以主导实际动力学。

过渡态搜索长期依赖人工设定的基态构型，容易漏掉有限温度下可能主导速率的亚稳构型。一个把全局构型搜索与轻量图神经网络结合的工作流，先在势能面上采样反应物、产物和中间体的多种构型，再用仅约3万个可训练参数的边感知注意力网络预测过渡态几何。在碳氮载体上的Pt4催化丙烷脱氢中，该流程重建了已知机理，并给出此前手工建模未涉及的竞争路径；作者同时指出，亚稳四面体Pt4虽本征更活泼，但其形成代价使其难以主导实际动力学。

大模型遗忘不必再对全模型做弥散更新。FOM-UL按每层遗忘集梯度范数与保留集梯度范数之比给层打分，只更新得分高的少数层，遗忘不达标时再逐层扩大。在TOFU、KnowUnDo与MUSE式评测上，它比GA、NPO、KLD等基线留下更少的残余记忆，保留集效用接近原模型；在8比特与4比特训练后量化下，它保持有利的遗忘—效用权衡，但4比特下残余记忆相对全精度确有上升。

大模型遗忘不必再对全模型做弥散更新。FOM-UL按每层遗忘集梯度范数与保留集梯度范数之比给层打分，只更新得分高的少数层，遗忘不达标时再逐层扩大。在TOFU、KnowUnDo与MUSE式评测上，它比GA、NPO、KLD等基线留下更少的残余记忆，保留集效用接近原模型；在8比特与4比特训练后量化下，它保持有利的遗忘—效用权衡，但4比特下残余记忆相对全精度确有上升。