𝗡-𝗕𝗼𝗱𝘆 𝗡𝗲𝘁𝘄𝗼𝗿𝗸𝘀 એટોમિક પોટેન્શિયલ્સ શીખે છે

સંશોધકોએ એટોમિક પોટેન્શિયલ્સ માટે એક નવું ન્યુરલ નેટવર્ક આર્કિટેક્ચર બનાવ્યું છે. તે N-body નેટવર્કનો ઉપયોગ કરે છે. આ પદ્ધતિ પરમાણુઓમાં રહેલા હાયરાર્કિકલ માળખાને સંભાળે છે.

સામાન્ય મોડેલો ઘણીવાર જટિલ એટોમિક સિસ્ટમ્સમાં મુશ્કેલી અનુભવે છે. આ નવા નેટવર્ક ભૌતિક ચોકસાઈ જાળવી રાખવા માટે કોવેરિયન્સનો ઉપયોગ કરે છે. આનો અર્થ એ છે કે મોડેલ પરમાણુઓના રોટેશન અને ટ્રાન્સલેશનને ધ્યાનમાં રાખે છે.

આ આર્કિટેક્ચરની મુખ્ય વિશેષતાઓ:

  • તે એટોમિક ઇન્ટરેક્શનને મેપ કરવા માટે હાયરાર્કિકલ અભિગમનો ઉપયોગ કરે છે.
  • મોડેલ ભૌતિક સુસંગતતા માટે કોવેરિયન્સ જાળવી રાખે છે.
  • તે જૂના મોડેલો કરતા વધુ ચોકસાઈ સાથે પોટેન્શિયલ્સ શીખે છે.
  • આ ડિઝાઇન વિવિધ સિસ્ટમ કદ માટે સારી રીતે સ્કેલ કરી શકાય છે.

આ કાર્ય વૈજ્ઞાનિકોને નવા પદાર્થોમાં પરમાણુઓ કેવી રીતે વર્તે છે તેની આગાહી કરવામાં મદદ કરે છે. સચોટ એટોમિક પોટેન્શિયલ્સ રસાયણશાસ્ત્ર અને ભૌતિકશાસ્ત્રમાં વધુ સારા સિમ્યુલેશન તરફ દોરી જાય છે.

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

વૈકલ્પિક લર્નિંગ કોમ્યુનિટી: https://t.me/GyaanSetuAi