实现量子化学精度，同时规避几何弛豫瓶颈，深度对比学习用于分子性质有效预测

韩国首尔大学的研究者提出了一种深度对比学习方法，称为局部原子环境对比学习（LACL）。它通过比较不同的构象生成方法学习减轻两种几何构象之间的分布差异，从而解决数据驱动的深度学习算法在预测高级量子化学分子特性时所面临的域偏移问题。