热点事件持续更新
NEMORA：用于长程原子体系学习的神经等变多极算子
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月9日，研究者在 arXiv（Machine Learning Theory）发布 NEMORA，提出将快速多极方法（FMM）扩展为可学习的等变框架，用于学习长程张量表征。该方法在自适应空间层级上泛化 FMM 的多极展开与平移算子，以线性时间和内存复杂度处理可达数十万个原子的体系，并兼容对称约束与无约束短程骨架。在非局域基准测试中，其力与能量误差相对短程骨架分别降低一个数量级以上、最高三个数量级。目前公开信息仅包含该论文报道，尚未见后续独立验证或应用进展。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
研究者发布 NEMORA，将 FMM 扩展为可学习等变框架，线性复杂度处理数十万原子体系。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv · Machine Learning TheoryNEMORA：用于长程原子体系学习的神经等变多极算子
研究者提出 NEMORA，把 Fast Multipole Method（FMM）扩展为可学习的等变框架，用于学习长程张量表征。它在自适应空间层级上泛化 FMM 的多极展开与平移算子，以线性时间和内存复杂度处理可达数十万个原子的体系，并兼容对称约束与无约束短程骨干。在非局域基准上，其力与能量误差相对短程骨干分别降低一个数量级以上、最高三个数量级。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。