ChemRxiv Preprints· Kolganov, Alexander A·· 10 天前精选AI 评分63
研究发现通用机器学习原子间势可恢复Hammett常数与芳香性等化学信息
Foundation interatomic potentials learn the practical chemistry they were never taught
AI 导读
研究显示，对预训练通用机器学习原子间势（MLIP）的不变逐原子嵌入施加简单模型，可恢复Hammett取代基常数、Brønsted与Lewis酸性及环芳香性，Spearman ρ为0.8–0.99。
推荐理由
研究显示预训练通用原子间势的嵌入可直接恢复取代基常数与酸性等化学概念，为从势函数中提取反应性信息提供参照。
来源：ChemRxiv Preprints · chemrxiv.org