Autotuning T-PaiNN: Enabling Data-Efficient GNN Interatomic Potential Development via Classical-to-Quantum Transfer Learning
Deze paper introduceert T-PaiNN, een transfer learning-framework dat de data-efficiëntie van GNN-interatomische potentialen aanzienlijk verbetert door vooraf te trainen op goedkope klassieke krachtenveld-data en vervolgens te verfijnen met beperkte kwantummechanische data, wat leidt tot een hogere nauwkeurigheid en snellere convergentie dan modellen die uitsluitend op DFT-data zijn getraind.