L'IA face aux grands problèmes du monde · Chimie et matériaux · arXiv · 2026-10-20
Apprentissage marginal génératif pour la simulation moléculaire de taille finie avec application au calcul des contraintes
Titre original: Generative marginal learning for finite-size molecular simulation with application to stress calculation
Les simulations moléculaires de petits systèmes périodiques souffrent d'effets de taille finie lors de l'estimation d'observables locales. Les auteurs proposent l'apprentissage marginal génératif (GML), qui entraîne un modèle de diffusion conditionnel sur des simulations de grands systèmes afin de générer des configurations d'une région conservée sans simuler son environnement. Appliqué à la contrainte d'Irving–Kirkwood moyennée spatialement près d'un défaut de lacune, le GML a nettement amélioré la structure de paires et la précision de la contrainte locale par rapport aux petites simulations de DM périodiques.