Les réseaux N-Body apprennent les potentiels atomiques

Des chercheurs ont conçu une nouvelle architecture de réseau de neurones pour les potentiels atomiques. Elle utilise des réseaux N-Body. Cette méthode gère les structures hiérarchiques au sein des atomes.

Les modèles standards peinent souvent face à des systèmes atomiques complexes. Ces nouveaux réseaux utilisent la covariance pour maintenir la précision physique. Cela signifie que le modèle respecte la rotation et la translation des atomes.

Caractéristiques clés de cette architecture :

  • Elle utilise une approche hiérarchique pour cartographier les interactions atomiques.
  • Le modèle maintient la covariance pour assurer la cohérence physique.
  • Il apprend les potentiels avec une précision supérieure à celle des modèles plus anciens.
  • La conception s'adapte bien à différentes tailles de systèmes.

Ces travaux aident les scientifiques à prédire le comportement des atomes dans de nouveaux matériaux. Des potentiels atomiques précis permettent de réaliser de meilleures simulations en chimie et en physique.

Source : https://dev.to/paperium/n-body-networks-a-covariant-hierarchical-neural-network-architecture-forlearning-atomic-potentials-5p5

Communauté d'apprentissage optionnelle : https://t.me/GyaanSetuAi