研究人员开发了一种新颖的微调方法，用于 E(3)-等变材料基础模型，该模型用于近似势能面。这种促进稀疏性的技术选择性地更新一小部分模型参数，在能量和力预测任务上实现了与完全微调相当或更好的性能。该方法在磁矩预测等专业应用中也显示出有效性，并提供对模型行为的可解释见解，例如突出过渡金属系统中 d 轨道的贡献。 AI
影响 该方法可以实现材料科学研究中专业化人工智能模型更有效和可解释的适应。
排序理由 该条目是一篇学术论文，详细介绍了一种适应现有机器学习模型的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- d-orbital contributions
- E(3)-equivariant materials foundation models
- energy prediction tasks
- force prediction tasks
- Machine Learning Interatomic Potentials
- magnetic moment prediction
- magnetism-aware total energy modeling
- sparsity-promoting fine-tuning
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
