Key points are not available for this paper at this time.
تقدم هذه الورقة TorchANI، وهو برنامج مستند إلى PyTorch لتدريب/استنتاج نماذج التعلم العميق ANI (ANAKIN-ME) للحصول على أسطح الطاقة المحتملة وغيرها من الخصائص الفيزيائية للأنظمة الجزيئية. ANI هو طاقة شبكة عصبية دقيقة تم تنفيذها في الأصل باستخدام C++/CUDA في برنامج يسمى NeuroChem. بالمقارنة مع NeuroChem، يركز تصميم TorchANI على كونه خفيف الوزن وسهل الاستخدام عبر الأنظمة الأساسية، وسهل القراءة والتعديل لتسريع النموذج، مع السماح بتضحية مقبولة في الأداء التشغيلي. نظرًا لأن حساب متجهات البيئات الذرية وشبكات الأعصاب الذرية يتم جميعها باستخدام مشغلات PyTorch، فإن TorchANI قادر على استخدام محرك autograd الخاص بـ PyTorch لحساب القوة التحليلية ومصفوفات هيسيان تلقائيًا، بالإضافة إلى القيام بتدريب القوة دون الحاجة إلى أي تعليمات برمجية إضافية. TorchANI مفتوح المصدر ومتاح مجانًا على GitHub: https://github.com/aiqm/torchani.
قام غاو وآخرون (2020) بدراسة هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: