Redes N-Body Aprendem Potenciais Atômicos

Pesquisadores construíram uma nova arquitetura de rede neural para potenciais atômicos. Ela utiliza redes N-body. Este método lida com estruturas hierárquicas em átomos.

Modelos padrão frequentemente enfrentam dificuldades com sistemas atômicos complexos. Essas novas redes utilizam covariância para manter a precisão física. Isso significa que o modelo respeita a rotação e a translação dos átomos.

Principais características desta arquitetura:

  • Utiliza uma abordagem hierárquica para mapear interações atômicas.
  • O modelo mantém a covariância para consistência física.
  • Aprende potenciais com maior precisão do que modelos antigos.
  • O design escala bem para diferentes tamanhos de sistemas.

Este trabalho ajuda cientistas a prever como os átomos se comportam em novos materiais. Potenciais atômicos precisos levam a melhores simulações em química e física.

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

Comunidade de aprendizado opcional: https://t.me/GyaanSetuAi