FermiNet

新的VMC变体PS-Clip-VMC增强了重尾优化的鲁棒性

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。