.png){kind=icon}
返回
Intelligent Algorithm-guided Parameter Learning for the ABEEM Model
.png){kind=icon}
PRE
AI
DOI：10.1007/s40242-025-5153-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
精确的电子分布建模在分子模拟、静电能评估和机理分析中起着至关重要的作用。原子-键电负性均衡方法（ABEEM）通过将分子空间划分为原子、化学键和孤对区域，为计算原子和电子位点的电荷提供了一种具有物理可解释性的框架。然而，传统的ABEEM参数化方法严重依赖手动调优，限制了其适应性和预测精度。在本工作中，提出了一种受智能优化算法指导、并在目标规划框架下制定的ABEEM自动化参数学习策略。该框架系统地校准了多种电荷位点的关键参数。构建了一个包含蛋白质、脂质和核苷酸的化学多样性训练集，并设计了一个双层级目标函数，以提高位点层面和原子层面的精度。该方法显著提升了ABEEM模型在复杂生物分子系统中的预测性能和一致性。同时，该方法消除了人为偏差，为力场开发提供了一条可扩展且通用的途径。
Keyword:
Charge distribution
Atom-bond electronegativity equalization method (ABEEM)
Intelligent optimization
期刊
IF:
3
论文数:
3.0K
被引数:
2.8K
机构
引用论文
分享收藏Structures and Binding Energies of Sr2+/Ba2+-Water Systems by Ab initio and ABEEM/MM Method.png)
analytica chimica acta
OAAI
analytica chimica actaIF13.5
OAAI分享收藏Charge distribution effects in polyatomic reactants involved in simple electron transfer reactionsELECTROCHIMICA ACTA
ELECTROCHIMICA ACTAIF5.6
PREAI
分享收藏citation_journal_title=J. Photopolym. Sci. Tec.; citation_author=L Wang, S Yu; citation_volume=13; citation_publication_date=2000; citation_pages=247; citation_doi=10.2494/photopolymer.13.247; citation_id=CR9引用期刊标题: J. Photopolym. Sci. Tec.; 引用作者: L Wang, S Yu; 引用卷号: 13; 引用出版日期: 2000; 引用页码: 247; 引用DOI: 10.2494/photopolymer.13.247; 引用编号: CR9
IF0
PREAI
分享收藏
查看更多内容