Transferable FB-GNN-MBE Framework for Potential Energy Surfaces: Data-Adaptive Transfer Learning in Deep Learned Many-Body Expansion Theory
Deze studie introduceert het transferable FB-GNN-MBE-framework, dat een fragmentgebaseerde grafische neurale netwerkarchitectuur combineert met many-body-expansie-theorie en transfer learning gebruikt om nauwkeurige en schaalbare voorspellingen van potentieel-energieoppervlakken voor complexe chemische systemen mogelijk te maken.