用等变机器学习模型预测张量型分子性质
材料科学
2022-04-27 v1
摘要
将分子对称性嵌入机器学习模型是高效学习化学物理标量性质的关键，但关于如何将相同策略推广到张量型量的证据甚少。本文基于局域原子环境描述符构建了可扩展的等变机器学习模型。我们将其应用于一系列分子，表明可对不同阶数的介电与磁性张量性质 comprehensive 列表实现准确预测。这些结果表明，等变模型是将机器学习在材料建模中的适用范围加以拓展的一个有前景的平台。
引用
@article{arxiv.2202.01449,
title = {Predicting tensorial molecular properties with equivariant machine-learning models},
author = {Vu Ha Anh Nguyen and Alessandro Lunghi},
journal= {arXiv preprint arXiv:2202.01449},
year = {2022}
}