通过后训练修剪加速矩列表力势
材料科学
2025-10-23 v1
摘要
矩列表力势 (MTP) 是一种机器学习原子势，其中基函数通常使用基于层级的方案选择，此方案对数据不敏感。我们引入一种后训练、成本感知的修剪策略，通过去除昂贵的基函数来实现加速，同时对准确性影响最小。应用于镍和硅氧化物系统后，结果表明该方法可使模型比标准 MTP 快 up to 七倍。该方法无需新数据，完全兼容当前的 MTP 实现。
引用
@article{arxiv.2510.19737,
title = {Accelerating Moment Tensor Potentials through Post-Training Pruning},
author = {Zijian Meng and Karim Zongo and Matthew Thoms and Ryan Eric Grant and Laurent Karim Béland},
journal= {arXiv preprint arXiv:2510.19737},
year = {2025}
}
备注
16 pages, 5 figures Software available from https://github.com/RichardZJM/MTP_basis_optimization