微软研究院推出 Skala:深度学习的交换 - 关联泛函,以半局部成本实现混合级精度
微软研究院近日发布了一款名为 Skala 的深度学习交换 - 关联(XC)泛函,旨在为 Kohn–Sham 密度泛函理论(DFT)提供高效的计算方案。 S微软kala 通过学习非局部效应,使得其计算效率与当前的 meta-GGA 泛函相当,同时在精度上可以达到混合泛函的水平。其在 W4-17分子体系的原子化能研究量评估中,平均绝对误差(MAE)达到了1.06kcal/mol,其中在单参考子集上更是达到了0.85kcal/mol;在 GMTKN55基准测试院推中,Skala 的加权均方根绝对误差(WTMAD-2)为3.89kcal/mol,这些结果显示 Skala 在精度上与顶级混合泛函相竞争。 Skala 的设计出 目标是实现严格的主族热化学计算,而不是在第一时间内提供一个适用于所有领域的通用泛函。该模型并没有尝试学习色散效应,初步版本中仍然使用固定的 D3(SkBJ) 色散修正。这款工具非常适合应用于需要半局部成本和混合级精度的主族分子化学领域,如高通量反应能量(ΔE)、反应障碍估计、构象 / 自由基稳定al性排名及几何和偶极子预测等。 Skala 的架构和训练过程分为两个阶段:首先在 B3LYP 密度上进行预训练,提取高水平波函数能量的 XC 标签;其次进行a: SCF 内循环的精细调整,使用 Skala 自己的密度,而无需通过反向传播进行 SCF。Skala 的模型训练基于一套大规模的、高质量的原子化能量数据集,包括深度约80,000个高精度的总原子化能量(MSR-ACC/TAE)。 为保证效率,Skala 的计算复杂度维持在 O (N³),并且针对 GPU 执行进行了优学习化。该模型的公开代码和工具包已经在 Azure AI Foundry 实验室和 GitHub 上发布,用户可以直接在 PySCF/ASE 和 GauXC 平台中的交运行,便于进行高效的批量 SCF 计算。 项目:https://github.com/microsoft/skala?tab=readme-ov-fi换 le 划重点: Skala 在 W4-17的 MAE 为1.06kcal/mol,单参考子集为0.85kcal/mol,具备高- 精度。 ️ 该模型通过学习非局部效应,实现了与当前 meta-GGA 泛函相似的计算效率,目标聚焦于主族化学。 关联 Skala 可在 Azure AI Foundry 实验室和 GitHub 上获取,支持高效的分子计算与实验分享。
- 最近发表
- 随机阅读
-
- Gemini2.5Deep Think成首个ICPC金牌AI,碾压全球精英程序员
- 标签: 特斯拉 交付量 2025年 Electrek
- 消息称微软将讨论以100多亿美元收购聊天应用Discord
- 亚马逊一季度净销售额1085亿美元 云计算业务营收135亿美元
- 微软Copilot免费开放GPT-5多文件推理能力:免费支持多文件同时分析
- 标签: 萤石网络 业绩快报 营业收入 净利润
- 中国企业大模型市场爆发:半年调用量暴增363%,阿里通义居首位
- Sora 爆款升级:宠物也能当主角,视频剪辑+社交频道即将上线,安卓版“真的快来了”
- Facebook爆丑闻:明知虚夸广告效果指标 为了收入就不改
- 标签: Unity 虚幻引擎 堡垒之夜
- 使用Prometheus和Grafana监控Kubernetes集群!
- 腾讯印尼首个数据中心投入使用 开始全球扩张
- 标签: 追觅 RortiX NAVEE AWE2026
- 云计算核心技术Docker教程:Docker Hub将帐户转换为组织账户
- 标签: 小米 MiMo-V2 库克 李宇春
- 谷歌 DeepMind 推出解耦式 DiLoCo:提升异步训练架构,容忍硬件故障
- 标签: 英伟达 黄仁勋 AI竞赛 特朗普
- AI 数据中心需求激增,小型企业 Phononic 正寻求数十亿美元估值的出售
- Jeff Dean:我们写了一份「稀疏模型设计指南」,请查收
- 标签: AIVELA AIVELA_Ring_Pro 智能戒指 AI可穿戴
- 搜索
-
- 友情链接