P-SANET物理引导模型预测分子热力学性质
热点事件历史事件
P-SANET物理引导模型预测分子热力学性质
1 篇报道1 个报道来源4 天前更新
先了解这件事
AI 综述
Shen, Yi-Cheng 等人提出物理引导的 PC-SAFT 神经网络 P-SANET，学习温度依赖的充电自由能，再经 PC-SAFT 映射为分子相互作用参数，用于预测分子热力学性质。作者称，这一热力学结构化目标提升了骨架不重叠和结构新颖分子的预测精度。 在性能上，作者称 P-SANET 的蒸气压精度与已发表模型相当，且无需针对具体性质重新训练即可迁移到汽化焓、液体密度和临界性质。作者还称，在规模匹配的开放数据基准上，决定分布外可靠性的关键是化学信息覆盖度，而非名义数据集大小。
AI 根据报道生成 · 3 天前更新
最新进展11月5日 13:54
P-SANET：物理引导学习与校准不确定性预测分子热力学性质报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- ChemRxiv Preprints精选P-SANET：物理引导学习与校准不确定性预测分子热力学性质
作者提出物理引导的 PC-SAFT 神经网络 P-SANET，学习温度依赖的充电自由能并经 PC-SAFT 映射为分子相互作用参数，在骨架不重叠和结构新颖分子上提升预测精度。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 1011月5日 15:00
- 近 24 小时变化
- -21%
02.557.510
11月6日11月7日11月8日11月9日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。