AI 與世界的難題 · 化學與材料 · Nature Computational Science · 2026-10-13
HIP：無需導數的黑塞矩陣原子間位能
原標題: HIP: Hessian Interatomic Potentials without derivatives
分子黑塞矩陣（Hessian）是位能的二階導數，在許多計算化學工作流程中不可或缺，但計算成本高昂，且隨系統規模擴大而難以擴展。作者提出 HIP，這是一種深度學習模型，利用圖神經網路的 SE(3) 等變特徵，不需自動微分或有限差分即可直接預測黑塞矩陣。據報告，HIP 比自動微分的黑塞矩陣快一到兩個數量級且更為準確，並在過渡態搜尋、幾何結構最佳化與振動分析中表現良好。