arXiv 机器学习· Yucheng Zhao, Quanyou Zhang, Shaoxiang Qin, Haixuan Xu, Xiongye Xiao·· 3 小时前AI 评分36
ASPIRE：通过集合预测与物理精炼发现鞍点
ASPIRE: Saddle-Point Discovery through Set Prediction and Physical Refinement
AI 导读
ASPIRE 框架利用等变集合预测器 Ev-Quiformer 与 Dimer 本地搜索，可从单一初始原子环境预测候选鞍点集并进行物理精炼。在 BCC 铁缺陷基准测试中，ASPIRE 实现了 77.20% 的参考事件覆盖率（高于传统 Dimer 基线的 75.73%），同时将 Dimer 受力评估减少约一半。在 50 个构型测试中，单构型耗时从 478.8 s 降至 176.3 s。
来源：arXiv 机器学习 · arxiv.org