Manuel V. Klockow

分子性质预测多了一条新路径：不再只把基态电子密度当作输入特征，而是要求它同时是某个学习到的代理泛函的极小点。此前把密度喂给模型已能提升精度，但密度本身不受任何变分约束。在QM9的七个广延性质中，这一做法在六个上超过已有最好结果，并在只训练小分子的条件下对QM40的更大分子保持更低误差。

分子性质预测多了一条新路径：不再只把基态电子密度当作输入特征，而是要求它同时是某个学习到的代理泛函的极小点。此前把密度喂给模型已能提升精度，但密度本身不受任何变分约束。在QM9的七个广延性质中，这一做法在六个上超过已有最好结果，并在只训练小分子的条件下对QM40的更大分子保持更低误差。