La IA y los problemas difíciles del mundo · Química y materiales · Nature Computational Science · 2026-10-13
HIP: potenciales interatómicos hessianos sin derivadas
Título original: HIP: Hessian Interatomic Potentials without derivatives
Los hessianos moleculares, las segundas derivadas de la energía potencial, son necesarios en muchos flujos de trabajo de química computacional, pero su cálculo es costoso y escala mal con el tamaño del sistema. Los autores presentan HIP, un modelo de aprendizaje profundo que predice los hessianos directamente, sin diferenciación automática ni diferencias finitas, utilizando características SE(3)-equivariantes de una red neuronal de grafos. Según se informa, HIP es de uno a dos órdenes de magnitud más rápido y más preciso que los hessianos obtenidos mediante diferenciación automática, y ofrece buen rendimiento en la búsqueda de estados de transición, la optimización de geometrías y el análisis vibracional.