利用替代黑箱矩阵-矩阵乘法算法实现精确高斯过程的分子能量学习
化学物理
2023-03-28 v1 机器学习
计算物理
摘要
我们展示了将黑箱矩阵-矩阵乘法（BBMM）算法应用于基于分子轨道的机器学习（MOB-ML）框架中分子能量高斯过程（GP）训练的规模扩展。我们还提出了一种替代的 BBMM 实现（AltBBMM），其训练效率更高（超过四倍加速），且与原始 BBMM 实现具有相同的精度和迁移能力。MOB-ML 的训练此前仅限于 220 个分子，而 BBMM 和 AltBBMM 将 MOB-ML 的训练规模扩展了超过 30 倍至 6500 个分子（超过一百万对能量）。我们在具有 7 个和 13 个重原子的有机分子基准数据集上检验了两种算法的精度和迁移能力。这些低缩放复杂度的 GP 实现在小数据 regime 下保持了最先进的（SOTA）学习效率，同时将其扩展至大数据 regime，且精度优于其他已有的分子能量机器学习工作。
引用
@article{arxiv.2109.09817,
title = {Molecular Energy Learning Using Alternative Blackbox Matrix-Matrix Multiplication Algorithm for Exact Gaussian Process},
author = {Jiace Sun and Lixue Cheng and Thomas F. Miller},
journal= {arXiv preprint arXiv:2109.09817},
year = {2023}
}
备注
Preprint, under review