Le reti N-Body apprendono i potenziali atomici

I ricercatori hanno sviluppato una nuova architettura di rete neurale per i potenziali atomici. Utilizza reti N-body. Questo metodo gestisce le strutture gerarchiche negli atomi.

I modelli standard spesso faticano con sistemi atomici complessi. Queste nuove reti utilizzano la covarianza per mantenere l'accuratezza fisica. Ciò significa che il modello rispetta la rotazione e la traslazione degli atomi.

Caratteristiche principali di questa architettura:

  • Utilizza un approccio gerarchico per mappare le interazioni atomiche.
  • Il modello mantiene la covarianza per la coerenza fisica.
  • Apprende i potenziali con una precisione superiore rispetto ai modelli precedenti.
  • Il design scala bene per diverse dimensioni del sistema.

Questo lavoro aiuta gli scienziati a prevedere come si comportano gli atomi nei nuovi materiali. Potenziali atomici accurati portano a simulazioni migliori in chimica e fisica.

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

Community di apprendimento opzionale: https://t.me/GyaanSetuAi