提出基于Hessian的分子构象扩充策略

发生了什么

据arXiv cs.LG发布的研究，针对机器学习原子间势能面（MLIPs）计算瓶颈，研究者提出两种基于Hessian的分子构象数据扩充方案：各向同性高斯位移（UniAug）与简正模加权位移（ModeAug）。该方法利用泰勒展开生成具有物理依据的分子结构，并提供高精度的能量与力标签。研究表明，该策略在保持原有MLIP架构与训练流程的前提下，能有效提升模型在非平衡与平衡数据集上的预测精度，特别是在参考力较大及训练数据受限的情况下表现显著。