PulseAugur
中
实时 13:12:41

新的MLIP方法通过新颖的注意力机制增强外推性能 · 跟踪2个来源

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员通过研究SO(2)理论并识别传统架构的局限性，开发了一种用于机器学习原子间势（MLIP）的新方法。他们提出了新颖的相互作用构建块，包括边缘复数基（Edge Complex Product Basis）和径向旋转复注意力（Radial Rotary Complex Attention, RRA），以增强外推性能。这些应用于OMat24和MPTrj等数据集的进展，使得模型在Matbench Discovery基准测试中取得了最先进的性能。 AI

影响 这项研究为机器学习原子间势引入了新颖的技术，有可能提高材料科学模拟的准确性和外推能力。

排序理由 该集群包含两篇相同的arXiv预印本，详细介绍了机器学习原子间势的新研究方法。

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的MLIP方法通过新颖的注意力机制增强外推性能 · 跟踪2个来源

报道来源 [2]

  1. arXiv stat.ML TIER_1 English(EN) · Zemin Xu, Wenbo Xie, P. Hu ·

    面向原子间势的径向旋转注意力边缘集群扩展

    arXiv:2607.10664v1 Announce Type: new Abstract: In this paper, we provide a systematic investigation of SO(2) theory to machine learning interatomic potentials (MLIPs) and identify the limitations of conventional SO(2) Linear architectures relative to SO(3) Clebsch-Gordan Tensor …

  2. arXiv stat.ML TIER_1 English(EN) · P. Hu ·

    用于原子间势的径向旋转注意力边缘集群扩展

    In this paper, we provide a systematic investigation of SO(2) theory to machine learning interatomic potentials (MLIPs) and identify the limitations of conventional SO(2) Linear architectures relative to SO(3) Clebsch-Gordan Tensor Products (CGTP). Building on these insights, we …

相关实体

相关话题