𝗡-𝗕𝗼𝗱𝘆 𝗡𝗲𝘁𝘄𝗼𝗿𝗸𝘀 𝗟𝗲𝗮𝗿𝗻 𝗔𝘁𝗼𝗺𝗶𝗰 𝗣𝗼𝘁𝗲𝗻𝘁𝗶𝗮𝗹𝘀

ആറ്റോമിക് പൊട്ടൻഷ്യലുകൾക്കായി ഗവേഷകർ ഒരു പുതിയ ന്യൂറൽ നെറ്റ്‌വർക്ക് ആർക്കിടെക്ചർ നിർമ്മിച്ചു. ഇത് N-body നെറ്റ്‌വർക്കുകൾ ഉപയോഗിക്കുന്നു. ഈ രീതി ആറ്റങ്ങളിലെ ശ്രേണീബദ്ധമായ (hierarchical) ഘടനകളെ കൈകാര്യം ചെയ്യുന്നു.

സങ്കീർണ്ണമായ ആറ്റോമിക് സിസ്റ്റങ്ങളെ കൈകാര്യം ചെയ്യാൻ സാധാരണ മോഡലുകൾ പലപ്പോഴും ബുദ്ധിമുട്ടാറുണ്ട്. ഭൗതിക കൃത്യത നിലനിർത്തുന്നതിനായി ഈ പുതിയ നെറ്റ്‌വർക്കുകൾ കോവേരിയൻസ് (covariance) ഉപയോഗിക്കുന്നു. അതായത്, ആറ്റങ്ങളുടെ റൊട്ടേഷനും ട്രാൻസ്‌ലേഷനും (rotation and translation) ഈ മോഡൽ പരിഗണിക്കുന്നു എന്നാണ് ഇതിനർത്ഥം.

ഈ ആർക്കിടെക്ചറിന്റെ പ്രധാന സവിശേഷതകൾ:

  • ആറ്റോമിക് ഇന്ററാക്ഷനുകളെ മാപ്പ് ചെയ്യാൻ ഇത് ഒരു ശ്രേണീബദ്ധമായ (hierarchical) സമീപനം ഉപയോഗിക്കുന്നു.
  • ഭൗതികമായ സ്ഥിരതയ്ക്കായി മോഡൽ കോവേരിയൻസ് നിലനിർത്തുന്നു.
  • പഴയ മോഡലുകളെക്കാൾ ഉയർന്ന കൃത്യതയോടെ ഇത് പൊട്ടൻഷ്യലുകൾ പഠിക്കുന്നു.
  • വ്യത്യസ്ത സിസ്റ്റം വലുപ്പങ്ങൾക്കനുസരിച്ച് ഈ ഡിസൈൻ മികച്ച രീതിയിൽ ക്രമീകരിക്കാൻ (scale) സാധിക്കും.

പുതിയ പദാർത്ഥങ്ങളിൽ ആറ്റങ്ങൾ എങ്ങനെ പെരുമാറുന്നു എന്ന് പ്രവചിക്കാൻ ഈ പ്രവർത്തനം ശാസ്ത്രജ്ഞരെ സഹായിക്കുന്നു. കൃത്യമായ ആറ്റോമിക് പൊട്ടൻഷ്യലുകൾ കെമിസ്ട്രിയിലും ഫിസിക്സിലും മികച്ച സിമുലേഷനുകൾക്ക് വഴിതെളിക്കുന്നു.

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

ഓപ്ഷണൽ ലേണിംഗ് കമ്മ്യൂണിറ്റി: https://t.me/GyaanSetuAi