Towards Computational Microscope of Chemical Order-Disorder via ML-Accelerated Monte Carlo Simulation
تقوم هذه الورقة البحثية بشكل منهجي بقياس أداء بنيات التعلم الآلي الثابتة والمتكافئة (invariant and equivariant) على مجموعة بيانات نظرية الكثافة الوظيفية (DFT) ضخمة تشمل سبعة عناصر لتحسين النماذج البديلة لمحاكاة مونت كارلو، مما يؤسس إطاراً قوياً لدراسة ظواهر الترتيب والاضطراب الكيميائي في المواد عالية الإنتروبيا.