Advancing Universal Deep Learning for Electronic-Structure Hamiltonian Prediction of Materials
यह शोध पत्र NextHAM को प्रस्तुत करता है, जो एक नवीन E(3)-सममित ट्रांसफॉर्मर आर्किटेक्चर और एक ज़ीरोथ-स्टेप हैमिल्टोनियन सुधार रणनीति को एक बड़े पैमाने के बेंचमार्क डेटासेट (Materials-HAM-SOC) के साथ जोड़कर एक सार्वभौमिक डीप लर्निंग फ्रेमवर्क है, ताकि स्पिन-ऑर्बिट कपलिंग प्रभावों को स्पष्ट रूप से ध्यान में रखते हुए विविध सामग्रियों में इलेक्ट्रॉनिक-संरचना हैमिल्टोनियन की अत्यधिक सटीक और कुशल भविष्यवाणी प्राप्त की जा सके।