待验证50% 置信事实精确时间
分子动力学结合机器学习势函数是目前处理有限温度性质问题的常用手段，但计算量远高于单点性质预测。
1
来源数
50%
置信度
长期有效
时效性
2026/10/18
首次发现
来源
涉及实体
相关事实
已验证机器学习方法已在材料科学、蛋白质结构预测、气候建模等领域展现出加速研究的能力74% 相似待验证生成式分子模型（如变分自编码器、扩散模型、强化学习策略）可以直接设计出满足特定性质的新分子，再由分子动力学模拟预测其与靶点蛋白的结合稳定性。66% 相似已验证大语言模型在生成每个token时从概率分布中采样，temperature参数控制随机性的强弱，temperature越高输出越多样，越低则越确定66% 相似待验证病理基础模型的冻结表征中包含预测罕见联合分子表型的信息，无需微调即可支撑该类任务66% 相似待验证对于机器学习模型而言，如何生成有物理意义的集合成员、如何校准集合离散度使其与实际误差匹配，仍是一个活跃研究方向。66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1058164API
curl https://kongchang.com/api/v1/knowledge/claims/1058164MCP
get_claim(id=1058164)