论文页面 - 优化优化器本身：语言模型发现更快的分子弛豫方法

来源：https://huggingface.co/papers/2610.06577

摘要

几何优化是许多量子化学工作流中的主要开销：每一步优化都需要一次力计算，而在密度泛函理论（DFT）层面上，这一计算主导了整个流程的耗时。该领域已产生了种类繁多的优化方法，我们提出一个问题：语言模型能否通过自动化研究（autoresearch）超越这些方法中的最佳者？一个智能体（agent）直接改写优化器本身，以最小化力计算调用次数，同时受两道准入门槛的约束——它们会拒绝过早停止的优化方案，以及无法在未见过的分子上泛化的改进。以当前可用的最快开源优化器 Sella 为起点，搜索过程产出了 AutoSella——一族包含两个优化器的模型。在留出的分子基准测试以及搜索过程中未使用的势函数上，两者相对于 Sella 都实现了稳定的力调用次数减少。最值得注意的是，在 r2SCAN-3c DFT 层面上，最佳变体仅需 Sella 力调用次数的 40.2%–77.2% 即可实现同等的能量下降，而智能体在过程中并未使用任何 DFT 梯度。

查看 arXiv 页面 (https://arxiv.org/abs/2610.06577)　查看 PDF (https://arxiv.org/pdf/2610.06577)　GitHub1 (https://github.com/vdeshchenya/autosella)　加入收藏 (https://huggingface.co/login?next=%2Fpapers%2F2610.06577)

在你的智能体中获取这篇论文：

hf papers read 2610.06577

还没有最新版 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本论文的模型0

暂无模型关联本论文

在模型的 README.md 中引用 arxiv.org/abs/2610.06577，即可从本页面链接过去。

引用本论文的数据集0

暂无数据集关联本论文

在数据集的 README.md 中引用 arxiv.org/abs/2610.06577，即可从本页面链接过去。

引用本论文的 Spaces0

暂无 Space 关联本论文

在 Space 的 README.md 中引用 arxiv.org/abs/2610.06577，即可从本页面链接过去。

包含本论文的合集0

暂无合集包含本论文

将本论文加入合集 (https://huggingface.co/new-collection)，即可从本页面链接过去。