Transferable FB-GNN-MBE Framework for Potential Energy Surfaces: Data-Adaptive Transfer Learning in Deep Learned Many-Body Expansion Theory
Este estudio presenta el marco FB-GNN-MBE, que integra redes neuronales gráficas basadas en fragmentos con la expansión de muchos cuerpos para lograr predicciones precisas de superficies de energía potencial en sistemas químicos complejos y demuestra su eficacia mediante una estrategia de aprendizaje por transferencia que permite adaptar el modelo a diferentes sistemas con mínimos costos computacionales y de datos.