Key points are not available for this paper at this time.
本論文では、ANI（ANAKIN-ME）深層学習モデルのポテンシャルエネルギー面および他の物理特性を得るためのトレーニング/推論用のPyTorchベースのプログラムであるTorchANIを紹介します。ANIは、もともとNeuroChemというプログラムを用いてC++/CUDAで実装された正確なニューラルネットワークポテンシャルです。NeuroChemと比較して、TorchANIは軽量で、ユーザーフレンドリーで、クロスプラットフォームであり、速やかなプロトタイピングのために読みやすく変更しやすい設計が強調されていますが、実行パフォーマンスには許可可能な妥協があります。原子環境ベクトルおよび原子ニューラルネットワークの計算はすべてPyTorch演算子を使用して実装されているため、TorchANIはPyTorchのautogradエンジンを使用して自動的に分析的力とヘッシアン行列を計算し、追加のコードを必要とせずに力の訓練を行うことができます。TorchANIはオープンソースであり、GitHubで無料で入手できます：https://github.com/aiqm/torchani.
Gao et al. (2020)はこの問題を研究しました。