محققان در مقاله جدیدی به سراغ چالشهای الگوریتم «مونت کارلو متغیر» (VMC) رفتهاند که یکی از ارکان اصلی در نظریه ساختار الکترونیکی و مدلهایی مثل FermiNet است.
💡 نکته کلیدی:
این تحقیق نشان میدهد که بسیاری از مدلهای هوش مصنوعی در این حوزه با مشکل «دمسنگین» (Heavy-tailed) بودن مواجه هستند که باعث ناپایداری محاسبات میشود. آنها برای رفع این مشکل، نسخه جدیدی به نام PS-Clip-VMC معرفی کردهاند که با بهینهسازی دقیقتر، خروجیهای بسیار پایدارتر و دقیقتری را در آموزش مدلهای کوانتومی ارائه میدهد.
این پیشرفت گام مهمی برای شبیهسازی دقیقتر رفتارهای اتمی با استفاده از قدرت مدلهای عصبی است.
منبع: arXiv Machine Learning