通过对称适应向量场模型学习电子密度的电静力学响应

原子级机器学习中的一个当前挑战是高效预测电子密度在电场作用下的响应。我们提出了一种针对三维向量场旋转对称性专门推导的对称适应核函数方法。我们在一组旋转后的水分子上展示了该方法的等价性，并表明其在液态水和萘晶体系统中对训练配置数和特征数的效率极高。我们展示了该方法在金属纳米颗粒松弛配置中的应用，成功复现了电子极化率随尺寸的比例规律，适用于超过2000个原子的系统。通过对电子密度的等变学习模型自然的扩展，本方法提供了一种准确且计算廉价的策略，用于预测分子和材料的电静力学响应。