
-
生物通官微
陪你抓住生命科技
跳动的脉搏
OMC-bench与AtomBit-OMC:有机分子晶体机器学习原子间势函数建模的实用基础
《npj Computational Materials》:OMC-bench and AtomBit-OMC: task-aligned benchmarks and robust, interpretable machine-learned interatomic potentials for organic molecular crystals
【字体: 大 中 小 】 时间:2026年09月22日 来源:npj Computational Materials 13.1
编辑推荐:
摘要有机分子晶体(OMCs)是制药和功能性材料领域关键应用的基础,但由于OMC稳定性依赖于细微的非共价相互作用、构象柔性和多晶型现象,准确的原子级模拟仍然困难。尽管机器学习原子间势函数(MLIPs)在无机材料方面取得了快速进展,但OMCs的进展受到了限制:(1)缺乏大规模、物
有机分子晶体(OMCs)是制药和功能性材料领域关键应用的基础,但由于OMC稳定性依赖于细微的非共价相互作用、构象柔性和多晶型现象,准确的原子级模拟仍然困难。尽管机器学习原子间势函数(MLIPs)在无机材料方面取得了快速进展,但OMCs的进展受到了限制:(1)缺乏大规模、物理上真实的训练数据;(2)缺乏任务对齐的基准来探测部署相关的行为。本文介绍了OMC-bench,一个涵盖四项实际任务的基准——大晶胞OOD(域外)力/应力预测、晶格动力学、共晶弛豫和多晶型能量排序——以及一个广泛的OMC训练数据集,从近平衡态到强扰动状态进行采样。对现成MLIPs的基准测试揭示了明显的迁移差距,在基础模型规模下性能有所提高但仍然依赖于任务。我们训练了OMC专用模型,并开发了AtomBit-OMC,这是一种新的、高效的SE(3)-等变笛卡尔张量模型,具有物理信息门控和耦合标量-等变更新机制。AtomBit-OMC的变体在OMC-bench上实现了强大的跨任务性能,包括最低的共晶结构恢复失败率和最佳的多晶型排序指标,同时提供了定性的门控权重图,突出了代表性OMCs中化学相关的共价键和方向性非共价接触。总体而言,OMC-bench、OMC训练数据集和AtomBit-OMC为加速有机分子晶体建模和发现中的MLIP开发提供了实用基础。
生物通微信公众号