On The Finetuning of MLIPs Through the Lens of Iterated Maps With BPTT
تقترح هذه الورقة طريقة ضبط دقيق متينة وقابلة للتفاضل من طرف إلى طرف للجهود الذرية المعتمدة على التعلم الآلي والمُدربة مسبقاً، والتي تعمل على تحسين البنى المتوقعة عبر فك مسارات الاسترخاء ونشر التدرجات عكسياً، مما يؤدي إلى خفض متسق بنسبة ~32% في خطأ التنبؤ عبر مختلف النماذج وإعدادات المعلمات الفائقة.