כתבה
arXiv cs.LG ·
שיפור פוטנציאלים ב间 אטומיים באמצעות אוגמנטציה מולקולרית
Hessian-based molecular conformation augmentation for a scalable and efficient strategy of machine learning interatomic potentials
חוקרים הציעו שיטה חדשה לשיפור פוטנציאלים בין-אטומיים באמצעות אוגמנטציה מולקולרית. השיטה משתמשת בטיילור פשוט כדי ליצור אוגמנטציה יעילה וחסכונית. החוקרים בדקו את השיטה במספר רב של מקרים ומצאו שהיא משפרת את דיוק המודל.
תקציר מקורי באנגליתarXiv:2609.05233v1 Announce Type: new Abstract: While machine-learning interatomic potentials (MLIPs) have successfully learned potential energy surfaces (PES) and atomic forces, many practical applications, such as vibrational analysis and transition state search, rely heavily on the PES Hessian. Yet, standard MLIPs tend to be trained on energy and forces alone, leaving Hessian information largely unexploited. Meanwhile, existing methods that explicitly incorporate the Hessian into training objectives require architectural modifications and introduce significant computational and memory overheads due to higher-order backpropagation. To address these limitations, we propose two Hessian-derived data augmentation schemes: isotropic Gaussian displacement (\textbf{UniAug}) and normal mode-weig
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית