IA e os Problemas Difíceis do Mundo · Química e materiais · arXiv · 2026-10-19
Aprendizado multitarefa com cargas orbitais semiempíricas viabiliza MLIPs eficientes em amostras
Título original: Multitask learning with semiempirical orbital charges enables sample-efficient MLIPs
Treinar MLIPs exige conjuntos de dados grandes e caros, e treinar com matrizes hamiltonianas completas é inviável em larga escala. Os autores adicionam cargas orbitais obtidas do método econômico GFN1-xTB como alvo de treinamento multitarefa, usando um modelo equivariante especializado para prevê-las. O modelo reduz o erro de energia em 58% em relação às referências treinadas apenas com energia e precisa de cinco vezes menos dados para igualá-las, e ainda reduz o erro de energia em 12% em comparação com o treinamento conjunto de energia e forças.