实体
OrthoNormal-Loss
OrthoNormal-Loss
PulseAugur coverage of OrthoNormal-Loss — every cluster mentioning OrthoNormal-Loss across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的物理对齐方法提高了MLIP的泛化能力
研究人员开发了新的方法,即正交归一损失(OrthoNormal-Loss, ON-Loss)和格拉斯曼受限占据轨道训练(Grassmann Restricted Occupied-Orbital Training, GROOT),以提高机器学习原子间势(MLIPs)的泛化能力。这些技术通过强制执行物理约束,使学习目标与Kohn-Sham密度泛函理论(KS-DFT)保持一致。在实验中,这些方法显著降低了能量和力的平均绝对误差,优于先前最…
-
新的机器学习模型通过物理对齐训练提高了电子基态预测能力
研究人员开发了新的机器学习模型用于电子基态预测,其泛化能力显著优于现有方法。通过结合源自Kohn-Sham密度泛函理论(KS-DFT)的物理约束,并引入正交归一化损失(ON-Loss)和格拉斯曼受限占据轨道训练(GROOT)等新颖训练技术,这些模型在能量和力预测的误差率方面取得了实质性降低。新方法在从较小数据集外推到较大数据集方面显示出有效性,并有望应用于反应化学。