A Transferable Machine Learning Approach to Predict Optimized Orbitals for Electronic Structure Problems
यह शोध पत्र एक हस्तांतरणीय ग्राफ न्यूरल नेटवर्क फ्रेमवर्क प्रस्तुत करता है जो ज्यामिति से सीधे अनुकूलित आणविक कक्षक गुणांकों (molecular orbital coefficients) की भविष्यवाणी करता है, जिससे शास्त्रीय प्री-प्रोसेसिंग ओवरहेड को काफी कम करके और बड़े हाइड्रोजन प्रणालियों के लिए अभिसरण (convergence) में सुधार करके वेरिएशनल क्वांटम आइजनसॉल्वर वर्कफ़्लो के स्केलेबल, रिट्रेनिंग-मुक्त त्वरण को सक्षम बनाया जा सकता है।