跳到主要内容
返回时间线
arXiv来源发表:

旋转不变量会把高对称构型混为一谈:HIP-HOP扩展基在甲烷上取得其变体中最低误差,推理仍更快

核心概要

旋转不变表示在高度对称的原子环境中可能把几何上不同的构型映射成同一个描述,从而限制原子间势的精度。研究构建了一个针对多重对称构型的轻量基准,暴露出不变与等变架构共有的退化,并据此为不变架构HIP-HOP补入更高角阶的矩不变量基。在含七百多万构型的随机位移甲烷数据上,扩展基在HIP-HOP各变体中误差最低,约3.6万参数时精度接近EquiformerV3而推理更快;但(3/4)环构型上两者仍会失败。

Source-provided article image: Rotation-Invariant Machine Learning for Highly Symmetric Molecular Configurations
arXiv

深度剖析

旋转不变表示在高度对称的局部环境中会丢失区分几何构型所需的信息,这一失效同时出现在不变模型和等变模型上。 不变表示此前以距离、角度和内积等标量换取计算效率,其表达能力是否足够取决于这些不变量能否区分所有构型;等变表示保留方向信息但计算代价更高。 在由中心节点加两圈邻居构成、具有多重旋转对称的合成环状基准上,原始HIP-HOP基无法区分四重对称的构型,EquiformerV3也在(3/4)环构型上失败。

把球面密度投影到更高角阶的多项式基,并取矩张量乘积的标量收缩,可以得到更完整的不变描述。 矩不变量理论把局部原子环境视为球面上的密度,角阶截断的作用类似傅里叶或泰勒级数的截断阶数,低阶只保留粗角度特征。 在随机位移甲烷数据集上,扩展基在全部四项能量与力误差指标上取得HIP-HOP各变体中的最低值;约3.6万参数时精度接近EquiformerV3,推理速度更快。

启示与展望

演示范围限于合成环状基准和随机位移甲烷数据集,后者含七百多万构型、测试集为8万构型;比较对象是HIP-HOP各基变体与EquiformerV3在约3.6万和约110万参数两档规模下的表现。

在(3/4)环构型上,扩展基与EquiformerV3仍然失败;为消除该退化而额外加入的收缩项虽在理论上必要,却在后续甲烷实验中未带来可测收益。约110万参数时EquiformerV3的误差更低,HIP-HOP只是推理更快。