近期,浙江大学周少东教授课题组提出了一种用于预测复杂体系的分子属性预测模型。该策略通过神经网络来驱动原子和分子间信息的传递,从而实现对复杂系统中原子与分子间相互作用的精准建模。这一创新的模型不仅能够捕捉原子层级的局部特征,还能有...
浙江大学周少东研究员课题组提出了一种用于准确预测吸收光谱的修正基团贡献(CGC)-分子贡献(MC)-贝叶斯神经网络(BNN)协议。该方法只使用少量数据集进行训练,就可以准确有效地提供各种分子的全吸收光谱。此外,通过采用专门为修正基团贡献法设计的...
浙江大学周少东研究员课题组提出了一种用于准确预测吸收光谱的修正基团贡献(CGC)-分子贡献(MC)-贝叶斯神经网络(BNN)协议。该方法只使用少量数据集进行训练,就可以准确有效地提供各种分子的全吸收光谱。此外,通过采用专门为修正基团贡献法设计的分子贡献法来正确解释混合规则,可以高精度地获得混合物的光谱。相关文章以“Ma...