𝗡-𝗕𝗼𝗱𝘆 𝗡𝗲𝘁𝘄𝗼𝗿𝗸𝘀 ایٹمی پوٹینشلز سیکھتے ہیں

محققین نے ایٹمی پوٹینشلز کے لیے ایک نیا نیورل نیٹ ورک آرکیٹیکچر تیار کیا ہے۔ یہ N-body networks کا استعمال کرتا ہے۔ یہ طریقہ ایٹموں میں درجہ بندی شدہ (hierarchical) ساختوں کو سنبھالتا ہے۔

معیاری ماڈلز اکثر پیچیدہ ایٹمی نظاموں کے ساتھ جدوجہد کرتے ہیں۔ یہ نئے نیٹ ورکس جسمانی درستگی برقرار رکھنے کے لیے covariance کا استعمال کرتے ہیں۔ اس کا مطلب ہے کہ ماڈل ایٹموں کے گھماؤ (rotation) اور تبدیلی (translation) کا احترام کرتا ہے۔

اس آرکیٹیکچر کی اہم خصوصیات:

  • یہ ایٹمی تعاملات (interactions) کو نقشہ کرنے کے لیے ایک درجہ بندی شدہ (hierarchical) طریقہ کار استعمال کرتا ہے۔
  • ماڈل جسمانی تسلسل کے لیے covariance برقرار رکھتا ہے۔
  • یہ پرانے ماڈلز کے مقابلے میں زیادہ درستگی کے ساتھ پوٹینشلز سیکھتا ہے۔
  • یہ ڈیزائن مختلف سسٹمز کے سائز کے مطابق بہتر طریقے سے اسکیل ہوتا ہے۔

یہ کام سائنسدانوں کو یہ پیش گوئی کرنے میں مدد دیتا ہے کہ نئے مواد میں ایٹم کیسے برتاؤ کرتے ہیں۔ درست ایٹمی پوٹینشلز کیمیا اور فزکس میں بہتر سیمولیشنز کا باعث بنتے ہیں۔

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

اختیاری لرننگ کمیونٹی: https://t.me/GyaanSetuAi