כתבה
arXiv cs.LG ·
NEMORA: פענוח נוירלי של אופרטורי מכנה-מרחבי ללמידה אטומית
NEMORA: Neural Equivariant Multipole Operators for Long-Range Atomistic Learning
נמורה: פענוח נוירלי של אופרטורי מכנה-מרחבי ללמידה אטומית. המאמר עוסק בפיתוח פענוח נוירלי של אופרטורי מכנה-מרחבי ללמידה אטומית. הפענוח נבנה על בסיס ה-Fast Multipole Method (FMM) ומאפשר ללמוד תיאוריות אטומיות עם קשרים ארוכי-טווח. הפענוח נבדק במספר מבחנים והוכיח את יעילותו. המאמר עוסק בפיתוח פענוח נוירלי של אופרטורי מכנה-מרחבי ללמידה אטומית.
תקציר מקורי באנגליתarXiv:2610.10776v1 Announce Type: new Abstract: Equivariant graph neural networks have emerged as foundational architectures for machine-learned interatomic potentials, approaching quantum-chemical accuracy at a fraction of the computational cost. These models describe local atomic environments accurately, but finite spatial cutoffs truncate long-range information flow, and stacking message-passing layers can lead to over-smoothing and over-squashing. Existing long-range extensions either prescribe a fixed analytical propagation kernel, restrict long-range communication to scalars or degree-preserving channels, are only approximately equivariant, or incur super-linear computational cost. Combining learnable long-range equivariant transport with multiscale many-body expressivity and efficie
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית