跳到正文
热点事件持续更新

tReax_exp算法结合量子蒙特卡洛探索反应路径

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

2026年10月29日,Chien-Chai Chang在arXiv提交tReax_expedition论文。该方法耦合蒙特卡洛探索与受限继续算法,在缺乏势垒梯度时定位竞争性反应路径。 测试显示,该方法在GFN2-xTB体系的九个气相反应中,八个样本链最大值与独立精修鞍点能差异小于0.76 kJ/mol。研究还区分了路由连接性与几何定位等概念,展示了仅依赖能量的探索能力。

AI 根据报道生成 · 3 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月4日
  1. arXiv · ML
    tReax_expedition 结合量子蒙特卡洛与神经 Committer 实现反应路径搜索

    新提出的 tReax_expedition 方法通过耦合蒙特卡洛探索与受限继续算法,在缺乏势垒梯度的情况下定位竞争性反应路径。在 GFN2-xTB 体系的九个气相反应中有八个样本链最大值与独立精修的鞍点能差异小于 0.76 kJ/mol。该方法展示了仅依赖能量的探索与继续过程恢复候选路径的能力,并将路由连接性与几何定位等概念区分开来。

本事件热度走势

可比范围当前
9
可比范围峰值
911月4日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。