N-体网络学习原子势

研究人员为原子势构建了一种新的神经网络架构。它采用了 N-体网络。该方法能够处理原子中的层级结构。

标准模型在处理复杂的原子系统时往往面临挑战。这些新网络利用协变性来保持物理准确性。这意味着该模型遵循原子的旋转和平移。

该架构的关键特性：

  • 它采用层级方法来映射原子相互作用。
  • 该模型通过保持协变性来确保物理一致性。
  • 与旧模型相比，它能以更高的精度学习势能。
  • 该设计在不同系统规模下具有良好的扩展性。

这项工作有助于科学家预测原子在新材料中的行为。准确的原子势能够带来更出色的化学和物理模拟。

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

可选学习社区：https://t.me/GyaanSetuAi