OrbGNN: 基于波函数的机器学习电子间表示

摘要

OrbGNN是一种类似于分子图和机器学习原子间势（MLIP）框架的电子结构图架构。它以双轨道相互作用构成图表示，用轨道纠缠编码轨道间连接，并将来自轨道相关性度量的信息直接嵌入图拓扑，从而紧凑地表示分子的轨道景观和电子相关模式。对轨道图特征空间行为的分析显示了模型稳健性。该模型被用于氮分子解离和更大的双原子分子数据集评估，并应用于一组八面体铁(II)配合物以预测自旋态能隙。