AI 产品

新化学基础模型Orbitall：用更少数据与物理知识提升性能

一项名为Orbitall的化学基础模型研究显示，该模型仅需前沿UMA模型35分之一的分子训练数据，且模型规模小50倍，但在涉及溶剂的化学反应中表现更优，速度快100倍。研究指出，与语言和图像模型不同，通过密度泛函理论生成更大化学系统的训练数据成本极高。因此，Orbitall选择在小规模系统上训练，并融入物理原理，包括使用成本更低的半经验计算生成轨道特征，以及引入对称性。这些特征原生支持自旋和电荷建模，使其能干净地模拟开壳层系统，并使用更便宜的隐式溶剂化方法，这是UMA模型无法做到的。基于此，该模型在化学上重要的溶剂依赖性反应中超越了Meta的UMA模型，并能准确复现反应能垒和过渡态结构。

多来源证据

事件时间线

1. 7月28日 08:28
   Twitter/X AI List
   为化学构建基础模型是否需要物理学？还是数据就是一切？我们的Orbitall基础模型使用了35倍更少的分子训练数据