AI এবং বিশ্বের কঠিন সমস্যাগুলো · রসায়ন ও উপকরণ · arXiv · 2026-10-26

মেশিন লার্নিং পটেনশিয়ালের কনট্রাস্টিভ রেগুলারাইজেশন

মূল শিরোনাম: Contrastive Regularization of Machine Learning Potentials

DFT ডেটায় গড় বর্গ ত্রুটি কমিয়ে প্রশিক্ষিত মেশিন-লার্নিং আন্তঃপারমাণবিক পটেনশিয়াল আলাদা রাখা ডেটার সাথে মিলতে পারে, কিন্তু স্যাম্পলিংয়ের সময় ভুয়া মিনিমায় সরে গিয়ে এদের তাপগতিবিদ্যা নষ্ট করে। লেখকেরা Contrastive Regularized MSE (CRMSE) উপস্থাপন করেন, এটি একটি প্রশিক্ষণ-পরবর্তী ধাপ, যেখানে পটেনশিয়াল নিজেই নিজের শক্তি-ভিত্তিক মডেল হিসেবে কাজ করে এবং কোনো নতুন DFT ডেটা ছাড়াই নিজের তৈরি বণ্টন পুনরুৎপাদন করতে শেখে। MD17 অণুগুলোতে CRMSE ভৌত স্যাম্পলিং পুনঃস্থাপন করে এবং শক্তি ও বলের ত্রুটি রাসায়নিক নির্ভুলতার মধ্যে রেখে DFT মুক্ত-শক্তি প্রোফাইল পুনরুদ্ধার করে।

মূল লেখা পড়ুন ↗

সব আইটেম →