计算化学迎来"非对角低秩"新工具:Coulomb矩阵、Fock矩阵等共有ODLR性质可大幅降维
Zikuan Wang在arXiv发表观点文章,指出计算化学中的多类核心矩阵——Coulomb矩阵、电子排斥积分张量、密度矩阵、定域分子轨道系数矩阵、Fock矩阵和核Hessian矩阵——在基函数适当排序后,非对角块均具有低数值秩(ODLR性质),尽管矩阵整体是高秩的。这一在数学界已被充分研究的性质在计算化学中几乎未被利用,可用于矩阵的紧凑表示与低标度运算。
共 15 篇 · B910化工 · AI 化学信息库
Zikuan Wang在arXiv发表观点文章,指出计算化学中的多类核心矩阵——Coulomb矩阵、电子排斥积分张量、密度矩阵、定域分子轨道系数矩阵、Fock矩阵和核Hessian矩阵——在基函数适当排序后,非对角块均具有低数值秩(ODLR性质),尽管矩阵整体是高秩的。这一在数学界已被充分研究的性质在计算化学中几乎未被利用,可用于矩阵的紧凑表示与低标度运算。
加州理工学院Anima Anandkumar团队等提出以Kohn-Sham映射为学习目标的轨道自由DFT新方法:用域不变SE(3)等变傅里叶神经算子从Kohn-Sham势直接预测密度与非相互作用动能,避免了病态动能泛函学习与外推性差的问题,实现稳定的准线性标度自洽场迭代,为大规模量子模拟开辟路径。
SandboxAQ宣布AQCat AI模型正式商用:通过Claude Science的MCP协议以自然语言提示即可评估催化剂候选材料,吸附能计算速度最高比传统DFT快2万倍且精度接近,基于含1350万次DFT计算的AQCat25公开数据集训练,并针对铁钴镍等磁性材料做spin-aware处理,将高通量催化剂发现从超算专家手中释放给普通实验室。
8月20日发布于arXiv的预印本发展了核-电子轨道(Nuclear-Electronic Orbital, NEO)框架下的子系统密度泛函理论(subsystem DFT)方法,将氢原子核的量子行为显式纳入电子结构计算的分片处理框架。 NEO方法直接量化质子量子涨落对分子结构与反应势能面的影响,对氢键体系、质子转移反应与同位素效应计算具有方法学意义。
发表于AgroPages的综述系统分析分子对接技术在农药抗性研究中的应用:该技术兼具计算效率与高通量筛选能力,可辅助解析抗性机制并加速新农药发现;与人工智能的深度融合正为农药合理设计拓展新空间,但打分函数、蛋白柔性与计算模型的局限仍需实验数据交叉验证。
8月21日消息,北京应用物理与计算数学研究所联合团队发布DPA4C等变机器学习势:架构与压缩CUDA算子协同设计,49倍参数跨度全系覆盖,同时实现跨化学体系通用性、近第一性原理精度与经验势速度三者兼得。
8月21日消息,复旦大学Dral团队在arXiv发表透视文章:计算化学AI智能体系统从2024年的约6个激增至2026年8月的近50个,能力正从“辅助执行计算任务”跃迁到“自主设计与运行整个科研流程”,文章系统梳理了该领域的技术演进与治理挑战。
三井化学宣布对加拿大多伦多初创公司Materia Bioworks进行少数股权投资。Materia Bioworks开发了基于计算化学和AI的材料应用预测系统MAPS,专注于加速生物塑料等可持续材料的研发和商业化。
IBM研究团队在Quantum Heron R3量子处理器上完成三项实验,声称已实现量子优势——量子计算机在特定任务上超越经典计算机。其中最具化学意义的是量子计算可直接精确模拟材料和化合物的量子行为,无需经典计算化学方法(如DFT)中不可避免的精度-速度-成本权衡。论文以预印本形式发表。
7月23日,研究团队在arXiv发布OpenGEM26大规模分子数据集(20万独特分子、440万构象)及图神经网络势GPTFF-mol,能量平均绝对误差16 meV/分子(0.82 meV/原子),力预测优于ANI-2x,可高效模拟含硫氯有机分子。
arXiv 6月23日显示,慕尼黑工业大学Linying Zhang和Julija Zavadlav提交ConSolv论文,将DFT真空分子数据与实验溶剂化自由能结合,训练一个可迁移到66种非水有机溶剂的隐式溶剂机器学习势。模型在Solv@TUM测试集RMSE为0.64 kcal/mol、MAE为0.50 kcal/mol、R2为0.97,面向有机合成、药物分子和电池电解液模拟。
Technische Universität Ilmenau与ICTP团队在arXiv提交化学物理论文,研究短氢键有机晶体L-pyroglutamine ammonium的近紫外吸收机制。论文指出,量子核效应使最低亮激发红移0.5-0.8 eV,并把6 eV以下亮构型比例从约3%提高至约30%;显式布里渊区采样再带来0.5-1.1 eV红移。
日本研究团队开发了基于元动力学(metadynamics)的计算框架,用于高效绘制晶体中多个相互作用载流子扩散的自由能面(FES)。该框架通过副本状态交换元动力学和平行偏置元动力学两种方法,将高维集体变量分解为多个低维分量,成功应用于LixTiS2二维锂扩散体系。结果表明,从FES估算的锂跳跃频率展现出与动力学蒙特卡罗模拟和核磁共振测量一致的浓度和温度依赖趋势,为电池材料中缓慢载流子动力学的捕获提供了新工具。
瑞士研究团队开发了Drift-React框架,利用SE(3)等变生成模型从反应物和产物几何结构出发,仅需一次前向传播即可预测完整的化学反应路径和过渡态。该方法在Transition1x和Halo8数据集上验证,生成的最低能量路径(MEP)物理一致且准确捕捉能量瓶颈。对于过渡态预测,Drift-React达到了与最先进迭代模型相当的亚埃级精度,同时实现了数个数量级的加速,为大规模反应网络探索清除了关键计算瓶颈。
Jiankun Wu 等人在 arXiv 提交 DeepHartree,将 E(3)-equivariant neural network 与 Poisson equation 耦合,用近线性数值推理替代 DFT 中高成本的 Coulomb 积分,并在 SCF 流程中减少最高 40.6% 迭代。