AI与世界难题 · 化学与材料 · Nature Computational Science · 2026-10-13
HIP：无需求导的 Hessian 原子间势
原标题: HIP: Hessian Interatomic Potentials without derivatives
分子 Hessian 矩阵是势能的二阶导数，在许多计算化学工作流程中都需要用到，但计算成本高昂，且随体系规模增大扩展性较差。作者提出了 HIP，这是一种深度学习模型，利用图神经网络中的 SE(3) 等变特征，无需自动微分或有限差分即可直接预测 Hessian 矩阵。据报道，HIP 比基于自动微分的 Hessian 矩阵快一到两个数量级且更准确，并在过渡态搜索、几何优化和振动分析中表现出色。