实体
NequIP
NequIP
PulseAugur coverage of NequIP — every cluster mentioning NequIP across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的优化器在MLIP训练中表现优于Adam，速度更快 · 跟踪3个来源
一篇新的研究论文探讨了优化器对机器学习原子间势能（MLIPs）训练的影响，MLIPs是科学模拟中的一项关键AI应用。研究发现，像SOAP和Muon这样的矩阵结构优化器在收敛速度和最终准确性方面，可以显著优于常用的Adam优化器。当使用部分力监督时，这些改进尤为显著，这表明优化器的选择是开发有效的MLIPs的一个关键但常被忽视的因素。
-
新方法提高了原子间势模型的准确性
研究人员开发了新的方法，即物理感知邻域（PAN）池化和物理引导谱（PGS）混合器，以提高短程等变原子间势的准确性。这些技术侧重于改进神经网络势中的标量通道，这对于聚合和解析能量表面至关重要。当应用于 MACE 骨架时，这些标量通路校正显著降低了各种材料和分子在力与能量上的误差，计算成本仅略有增加。在 Allegro 和 NequIP 等其他模型中也观察到了改进，这表明这些标量通路保真度增强功能在不同的短程等变架构中具有可移植性。
-
新的MLIP方法提高了准确性并实现了研究自动化
研究人员正在开发先进的机器学习原子间势能（MLIPs），以改进原子模拟。像Stein Kernelized Molecular Dynamics (SKMD)这样的新方法增强了主动学习的数据采集，从而以更少的迭代次数获得更准确的模型。其他工作探索了MLIPs的笛卡尔张量框架，并引入了像Bond Smoothness Characterization Test (BSCT)这样的新基准，以识别和纠正模型架构中的物理不准确性。此外，LLM…