基于图神经网络用于预测原子相互作用研究
贺浩杰
贵州财经大学信息学院 贵州贵阳 550025
摘要：近年来,利用图神经网络(GNN)模型方法在计算化学(CompChem)中越来越受到研究者的关注.在参考和使用适当的由从头算(Ab Initio)方法训练数据情况下,利用图神经网络模型可以精确地求解化学系统性质,如能量和力场,避免了求解电子薛定谔方程(schrodinger equation,SE)的需求.但图神经网络模型在处理边缘节点效果不佳.基于此,文章基于图神经网络数值预测类任务具有处理复杂关系和依赖性,提出一个深度学习网络模型(external attention newton net,EANTNet).首先优化图神经网络提取单颗原子的特征方式,让神经网络提取重要的特征.其次,基于外部注意力机制的思想,重新构造能量聚合器,用来聚合图神经网络提取的特征.实验结果表明,在数据集MD17中,对比NewtonNet网络模型,EANTNet网络模型不仅能在化学系统中提取更好的特征,并且提升了化学系统中的能量和力场的预测精度,分别平均提高了3.39％和1.53％.
关键词：EANTNet能量聚合器力场预测精度
论文发表日期：2025-03-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 29-33 )