AI dan Masalah-Masalah Sulit Dunia · Kimia & material · arXiv · 2026-10-19
Pembelajaran multitugas dengan muatan orbital semiempiris memungkinkan MLIP yang efisien dalam penggunaan sampel
Judul asli: Multitask learning with semiempirical orbital charges enables sample-efficient MLIPs
Pelatihan MLIP memerlukan dataset besar yang mahal, dan pelatihan pada matriks Hamiltonian penuh tidak praktis dilakukan dalam skala besar. Para penulis menambahkan muatan orbital dari metode GFN1-xTB yang murah sebagai target pelatihan multitugas, menggunakan model ekuivarian khusus untuk memprediksinya. Model ini memangkas galat energi sebesar 58% dibandingkan baseline yang hanya menggunakan energi dan membutuhkan data lima kali lebih sedikit untuk menyamai baseline tersebut, serta tetap mengurangi galat energi sebesar 12% dibandingkan pelatihan gabungan energi dan gaya.