IA e os Problemas Difíceis do Mundo · Química e materiais · Nature Computational Science · 2026-10-13
HIP: Potenciais Interatômicos Hessianos sem derivadas
Título original: HIP: Hessian Interatomic Potentials without derivatives
As Hessianas moleculares, as segundas derivadas da energia potencial, são necessárias em muitos fluxos de trabalho de química computacional, mas são caras de calcular e escalam mal com o tamanho do sistema. Os autores apresentam o HIP, um modelo de aprendizado profundo que prevê Hessianas diretamente, sem diferenciação automática nem diferenças finitas, usando atributos equivariantes a SE(3) de uma rede neural de grafos. Segundo relatado, o HIP é de uma a duas ordens de grandeza mais rápido e mais preciso do que as Hessianas obtidas por diferenciação automática, e tem bom desempenho na busca de estados de transição, na otimização de geometria e na análise vibracional.