AI×化学：新模型直接预测分子 Hessian 矩阵，跳过昂贵求导，提速10-70倍
多伦多大学团队在《自然·计算科学》发表新方法 HIP，直接预测分子的完整 Hessian 矩阵，跳过昂贵的求导步骤。 直接预测：一次前向输出完整 Hessian 矩阵（3N×3N，二阶导数），不用自动微分、有限差分或耦合微扰求解。 又快又省：小分子上比基于求导的机器学习方法快 10-70 倍，峰值内存省 2-3 倍，预
标签「药物研发」下的文章
多伦多大学团队在《自然·计算科学》发表新方法 HIP，直接预测分子的完整 Hessian 矩阵，跳过昂贵的求导步骤。 直接预测：一次前向输出完整 Hessian 矩阵（3N×3N，二阶导数），不用自动微分、有限差分或耦合微扰求解。 又快又省：小分子上比基于求导的机器学习方法快 10-70 倍，峰值内存省 2-3 倍，预