★ 3
NEMORA：神经等变多极算子实现长程原子学习
研究提出 NEMORA，即快速多极子方法（FMM）的神经等变扩展，用于学习长程张量表示。该方法将 FMM 的解析多极展开和翻译算子推广为自适应空间层次上的可学习等变算子，以线性时间和内存复杂度处理数十万原子系统。在非局域基准上，力和能量误差比短程骨干降低一个到三个数量级。
arXiv cs.LG24 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究提出 NEMORA，即快速多极子方法（FMM）的神经等变扩展，用于学习长程张量表示。该方法将 FMM 的解析多极展开和翻译算子推广为自适应空间层次上的可学习等变算子，以线性时间和内存复杂度处理数十万原子系统。在非局域基准上，力和能量误差比短程骨干降低一个到三个数量级。
论文提出 ASPIRE 框架，从单个初始原子环境预测一组鞍点候选，并通过原始势函数上的 Dimer 搜索精修，其等变集合预测器 Ev-Quiformer 生成多个鞍点提案。在四空位 BCC 铁基准上参考事件覆盖率达 77.20%，优于 Dimer 基线的 75.73%，且 Dimer 力评估次数约…