研究人员发现,变分蒙特卡洛(VMC)在电子结构理论和像FermiNet这样的神经网络应用中是一个关键算法,但由于重尾估计器而面临鲁棒性问题。这些估计器受波函数节点几何形状的影响,通常无法获得更高阶矩,从而影响了随机优化的可靠性。为了解决这个问题,开发了一种名为PS-Clip-VMC的新方法,该方法对局部能量和梯度变量进行裁剪。该方法已被证明在较弱的矩条件下能够可靠收敛,并在初步实验中显示出在原子上训练FermiNet的鲁棒性有所提高。 AI
影响 为科学计算中的神经网络应用引入了一种更鲁棒的优化技术。
排序理由 该集群包含一篇详细介绍特定优化算法新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →