เครือข่าย N-Body เรียนรู้ศักย์อะตอม (Atomic Potentials)
นักวิจัยได้พัฒนาสถาปัตยกรรมโครงข่ายประสาทเทียมรูปแบบใหม่สำหรับศักย์อะตอม (atomic potentials) โดยใช้เครือข่าย N-body ซึ่งวิธีการนี้สามารถจัดการกับโครงสร้างแบบลำดับชั้น (hierarchical structures) ภายในอะตอมได้
โมเดลมาตรฐานมักประสบปัญหาเมื่อต้องรับมือกับระบบอะตอมที่มีความซับซ้อน แต่เครือข่ายใหม่เหล่านี้ใช้ covariance เพื่อรักษาความแม่นยำทางฟิสิกส์ ซึ่งหมายความว่าโมเดลจะคำนึงถึงการหมุน (rotation) และการเลื่อนตำแหน่ง (translation) ของอะตอม
คุณสมบัติหลักของสถาปัตยกรรมนี้:
- ใช้แนวทางแบบลำดับชั้นในการสร้างแผนผังปฏิสัมพันธ์ระหว่างอะตอม
- โมเดลรักษาค่า covariance เพื่อความสอดคล้องทางฟิสิกส์
- เรียนรู้ศักย์ได้ด้วยความแม่นยำที่สูงกว่าโมเดลรุ่นเก่า
- การออกแบบสามารถปรับขนาด (scale) ได้ดีตามขนาดของระบบที่แตกต่างกัน
งานวิจัยนี้ช่วยให้นักวิทยาศาสตร์สามารถทำนายพฤติกรรมของอะตอมในวัสดุใหม่ๆ ได้ ศักย์อะตอมที่แม่นยำจะนำไปสู่การจำลอง (simulations) ที่ดีขึ้นในสาขาเคมีและฟิสิกส์
ชุมชนแห่งการเรียนรู้เพิ่มเติม: https://t.me/GyaanSetuAi