Multi-objective optimization and quantum hybridization of equivariant deep learning interatomic potentials on organic and inorganic compounds
Diese Studie optimiert das MLIP-Modell Allegro durch multi-objektive Hyperparameter-Suche und den Einsatz klassischer sowie quanten-klassischer Hybrid-Architekturen, um die Genauigkeit bei der Vorhersage atomarer Eigenschaften in organischen und anorganischen Verbindungen zu steigern, wobei ein Zielkonflikt zwischen Genauigkeit und Inferenzzeit festgestellt wird.