Autotuning T-PaiNN: Enabling Data-Efficient GNN Interatomic Potential Development via Classical-to-Quantum Transfer Learning
Este trabajo presenta T-PaiNN, un marco de aprendizaje por transferencia que mejora drásticamente la eficiencia de datos de los potenciales interatómicos basados en redes neuronales gráficas al preentrenarlos con datos de campos de fuerza clásicos y afinarlos con conjuntos de datos cuánticos pequeños, logrando una precisión superior y una convergencia más rápida en comparación con los modelos entrenados exclusivamente con datos cuánticos.