Hugging Face发布AutoSella：优化分子几何计算的AI驱动的优化器

摘要：Hugging Face推出了一款名为AutoSella的AI优化器，旨在加速量子化学中的分子几何优化过程。AutoSella通过语言模型对现有最快开源优化器Sella进行重写，在不依赖密度泛函理论（DFT）梯度的情况下，显著减少了力调用次数。在r2SCAN-3c DFT水平下，AutoSella的最佳变体仅需Sella 40.2%至77.2%的力调用，同时保持相同的能量减少效果。该技术为量子化学计算提供了更高效的解决方案，尤其在处理复杂分子结构时展现出巨大潜力。

---

背景与挑战

在量子化学计算中，分子几何优化是一个关键且耗时的步骤。每个优化步骤都需要一次力评估，而在密度泛函理论（DFT）水平下，这种评估占据了大部分计算时间。现有的优化方法种类繁多，但仍有提升空间。

技术突破

Hugging Face的研究团队开发了AutoSella，这是一种AI驱动的优化器，旨在通过语言模型对现有优化器进行重写，以减少力调用次数。AutoSella的研发基于以下关键步骤：

1. 起点选择：从现有的最快开源优化器Sella开始。
2. 语言模型重写：利用语言模型对优化器进行重写，以最小化力调用次数。
3. 约束条件：通过两个准入门控机制，拒绝了过早停止和不具备泛化能力的改进。
4. 性能验证：在未参与搜索的分子基准测试和势能面上进行验证，确保改进的泛化能力。

实验结果表明，AutoSella在r2SCAN-3c DFT水平下表现尤为突出，其最佳变体仅需Sella 40.2%至77.2%的力调用，同时保持相同的能量减少效果。

行业影响

AutoSella的发布为量子化学计算领域带来了以下影响：

• 计算效率提升：通过减少力调用次数，显著降低了计算时间，尤其在处理复杂分子结构时效果显著。
• 资源节约：更少的力调用意味着更低的计算资源消耗，为大规模量子化学计算提供了更经济的解决方案。
• 推动AI与量子化学的融合：AutoSella展示了AI在优化复杂科学计算中的潜力，为未来AI驱动的科学研究开辟了新的方向。

开发者建议

对于从事量子化学计算的研究人员和开发者，以下是一些建议：

• 尝试AutoSella：在现有的量子化学计算流程中集成AutoSella，以验证其对特定问题的适用性。
• 关注后续更新：Hugging Face可能会发布更多优化器变体或改进，建议持续关注相关动态。
• 探索AI与科学计算的结合：AutoSella的成功展示了AI在科学计算中的潜力，鼓励开发者探索更多AI驱动的科学计算方法。

---

消息来源：Hugging Face Daily Papers (2026-10-05)

—— 完 ——

主题标签： #Hugging Face 关注 #AutoSella 关注 #量子化学 关注 #AI优化器 关注 #分子几何优化 关注