等变图神经网络预测分子动态极化率

Houssam Metni等提出等变图神经网络，直接利用分子三维几何和UV-vis光谱等信息，预测频率依赖的复值动态极化率张量。基于论文摘要，模型在QM9和Harvard有机光伏数据集上复现了动态极化率的主要特征；将预测结果用于器件光学模拟后，得到的载流子生成率与TD-DFT结果一致（R²=0.94）。摘要未说明具体速度提升幅度，因此目前只能确认其预测效果，不能据此认定已实现大规模计算加速。

AI 根据报道生成 · 36 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。