标签:等变神经网络

5 个条目

MACE 机器学习势:从等变消息传递到原子尺度基础模型

分子动力学 / 机器学习势
剑桥 Csányi 团队开源的等变图神经网络势框架,把原子团簇展开与高阶等变消息传递统一,两层交互即可高精度;已发展出 MACE-MP、MH、OMOL、POLAR 等多代基础权重,支撑从晶体到液体、气体、表面与反应体系的开箱分子动力学。
新 MIT(代码);部分权重为 Academic Software License(ASL),仅限学术用途 分子动力学机器学习势等变神经网络

三重可扩展等变高斯过程建模

通用科学ML
提出三重可扩展的等变高斯过程方法,在编码对称性的同时保持概率预测与不确定性量化能力,适用于大规模科学计算问题。
见LICENSE文件 高斯过程等变神经网络不确定性量化

← 全部标签