标签
Quantinuum、NVIDIA 和 Pfizer 已开发 ADAPT-GQE，这是一个生成式量子AI框架，使用transformer模型以高效生成量子化学电路，用于分子模拟和药物发现。
OrbitAll是一种分子基础模型，利用基于物理的轨道特征和SE(3)-等变图神经网络来预测分子性质，以少35倍的训练数据和50倍小的模型大小超越了像UMA这样的大型模型。
Quantinuum与软银集团联合发布白皮书，将量子化学和图分析中的量子计算用例映射至Quantinuum的硬件路线图，为评估实用工业应用何时可行提供了框架。
布朗大学化学家提供直接光谱证据，表明爱因斯坦相对论模糊了铋等重元素中σ键和π键之间的区别，挑战了教科书的解释。
这篇ICML 2026论文介绍了Derivative Informed XC-Loss（DI-Loss），这是一种用于机器学习交换关联泛函的训练方法，它在密度矩阵的格拉斯曼流形上引入了一阶和二阶导数监督。在四种架构上，与仅使用能量和密度监督相比，DI-Loss将总能量平均绝对误差（MAE）降低了66%，并改善了TDDFT计算中的激发态预测。
本文介绍了一种用于量子化学的自适应即时多保真度机器学习算法，该算法能够自主确定不同保真度下的训练数据组成，与单保真度方法相比，数据生成成本降低高达30倍，与标准多保真度方法相比降低高达5倍。
本文介绍生成式量子启发柯尔莫哥洛夫-阿诺德本征求解器（GQKAE），一种参数高效架构，用柯尔莫哥洛夫-阿诺德模块替代传统神经网络组件，显著降低内存使用并改善量子化学模拟中的收敛性。