A Lightweight Universal Machine-Learning Interatomic Potential via Knowledge Distillation for Scalable Atomistic Simulations
Dit artikel introduceert SevenNet-Nano, een lichtgewicht universeel machine-learning interatomair potentieel dat via kennisdistillatie de nauwkeurigheid en generalisatie van een groot foundation-model behoudt terwijl het de rekentijd met meer dan een factor tien verlaagt voor schaalbare atomaire simulaties.