AI与世界难题 · 化学与材料 · arXiv · 2026-10-22
面向分子磁性的 SU(2) 等变旋量消息传递
原标题: SU(2)-Equivariant Spinor Message Passing for Molecular Magnetism
由于预测分子磁性通常需要带自旋-轨道耦合的昂贵电子结构计算，作者开发了 eSpinor，一种 SU(2)-等变的图神经网络，它传播由近似 SOC 哈密顿量初始化的旋量特征，并采用规范协变的消息传递和规范不变的读出。在钴基单分子磁体候选物上，它相比 NequIP 改进了零场分裂预测，包括对未见配体的预测。对于一种镝 MRI 探针，它以更少的参数改进了相对基于哈密顿量信息的基线的真实电子自旋关联，并在无需重新训练的情况下预测了水中的低场核弛豫及其转移至甲醇后的弛豫。