AI na Matatizo Magumu ya Ulimwengu · Kemia na vifaa · arXiv · 2026-10-21
Ujifunzaji wa Hali ya Majibu kwa Ufafanuzi wa Spectroscopic wa Mitetemeko Unaohamishika kwa Prior ya Elektroni
Kichwa asilia: Response-state Learning for Transferable Vibrational Spectroscopic Characterization with Electron Prior
Utabiri wa spectrumu ya mtetemo hupoteza usahihi pale mazingira ya ndani ya kistereoelektroniki yanapovuruga hali za kati za majibu na vitengo vya majibu vya hatari kubwa vinapotawala alama za vidole za spectrumu. SO(3) Equivariant Neural Kalman Networks (SENK) huunda mlolongo wa hali za majibu unaochanganya uti wa mgongo wa equivariant transformer kwa ujifunzaji wa Hessian, dipole-derivative na polarizability-derivative, daraja la Equivariant Neural Kalman kwa uboreshaji unaotegemea hali na uhisi wa uaminifu, na njia ya priori ya kielektroniki inayotokana na NBO. SENK hushinda DetaNet kwenye QM9S na QMe14S huku ikihifadhi usahihi wa IR na Raman wa spectrumu kamili kutoka kwa molekuli ndogo hadi mifumo inayofanana na dawa, na inabaki imara katika mifumo ya biomolekuli yenye athari tata za kistereoelektroniki.