AI 與世界的難題 · 化學與材料 · arXiv · 2026-10-22
用於分子磁性的 SU(2)-等變旋量訊息傳遞
原標題: SU(2)-Equivariant Spinor Message Passing for Molecular Magnetism
由於預測分子磁性通常需要成本高昂、含自旋軌道耦合的電子結構計算，作者開發了 eSpinor，一種 SU(2)-等變的圖神經網路，傳遞以近似 SOC 哈密頓量初始化的旋量特徵，並採用規範協變的訊息傳遞與規範不變的讀出。在鈷單分子磁鐵候選物上，相較於 NequIP，它改善了零場分裂的預測，包括對未見過的配位基。對於一個鏑 MRI 探針，它以更少的參數，在真實電子自旋相關性上優於以哈密頓量資訊為基礎的基準方法，並能在不重新訓練的情況下，預測水中以及轉移至甲醇後的低磁場核弛緩。