可训练自适应激活函数结构（TAAFS）仅用数十个额外参数提升神经网络力场性能
机器学习
2024-12-20 v1
摘要
神经网络力场（NNFF）的核心是神经网络架构，其建模复杂相互作用的能力通常通过加宽或加深多层感知器（MLP）或增加图神经网络（GNN）的层数来增强。这些增强虽然提高了模型性能，但往往以参数数量大幅增加为代价。通过应用可训练自适应激活函数结构（TAAFS），我们引入了一种方法，该方法为非线性激活选择不同的数学公式，从而在参数数量增加微不足道的情况下提高NNFF的精度。在本研究中，我们将TAAFS集成到多种神经网络模型中，观察到准确性的提升，并通过使用DeepMD的分子动力学（MD）模拟进一步验证了这些改进。
引用
@article{arxiv.2412.14655,
title = {Trainable Adaptive Activation Function Structure (TAAFS) Enhances Neural Network Force Field Performance with Only Dozens of Additional Parameters},
author = {Enji Li},
journal= {arXiv preprint arXiv:2412.14655},
year = {2024}
}