arXiv cs.LG·24 天前★ 2

ASPIRE：集合预测与物理精修发现鞍点

原文标题：ASPIRE: Saddle-Point Discovery through Set Prediction and Physical Refinement

重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

论文提出 ASPIRE 框架，从单个初始原子环境预测一组鞍点候选，并通过原始势函数上的 Dimer 搜索精修，其等变集合预测器 Ev-Quiformer 生成多个鞍点提案。在四空位 BCC 铁基准上参考事件覆盖率达 77.20%，优于 Dimer 基线的 75.73%，且 Dimer 力评估次数约为一半，单配置墙钟时间从 478.8 秒降至 176.3 秒。

论文速读 · 四段结构cs.LG去论文速读 →

问题: 原子重排鞍点搜索计算昂贵，局部搜索易失败或重复收敛到同一鞍点。
方法: 用等变集合预测器 Ev-Quiformer 从单个初始环境生成多个鞍点候选，再经原始势函数上的 Dimer 搜索精修。
结果: 四空位 BCC 铁基准参考事件覆盖率 77.20%，优于 Dimer 基线 75.73%，Dimer 力评估约减半，单配置墙钟时间从 478.8 秒降至 176.3 秒。
影响: 大幅降低缺陷演化模拟的鞍点发现成本，适合材料与分子动力学的高通量计算流程。