Geometric Algebra Meets Cartesian Tensors: Higher-Order Equivariance for Interatomic Potentials

技术摘要：几何代数与笛卡尔张量的结合：面向原子间势能的高阶等变性研究

问题陈述
机器学习原子间势能（MLIPs）必须编码物理对称性，特别是确保预测的力在旋转和平移下具有等变性。虽然力的量级通常预测准确，但力的方向经常失效，导致轨迹偏离正确的势能盆地。作者指出，现有的基于克利福德（几何）代数的架构存在结构性局限：在 $\mathbb{R}^3$ 中的两个向量（在代数 $Cl(3,0)$内）的几何积仅能实现$SO(3)$的$L=0$（标量）和$L=1$（向量/双向量）不可约表示（irreps）。对于捕捉四极矩电荷分布、d轨道相互作用及各向异性应力至关重要的对称无迹二阶张量分量（$L=2$）在驱动消息传递层的每条边双线性运算中是缺失的。因此，标准的克利福德模型依赖于通过堆叠层来间接重建 $L \ge 2$ 的内容，这导致了较差的方向保真度（在 rMD17 上的聚合力余弦相似度 $< 0.25$），低于基于球面谐波的模型。

方法论：CliffordSTF
本文提出了一种名为 CliffordSTF 的混合架构，该架构将克利福德多向量基底与闭式对称无迹（STF）张量轨道相结合。其核心创新在于一种“双轨”设计，避免了使用 Clebsch–Gordan (CG) 表、Wigner-D 矩阵或像 $e3nn$ 这样的外部库。

1. 理论基础（定理 1）： 作者建立了 $Cl(3,0)$ 几何积与 STF 操作之间的构造等价性。他们证明了通过仅使用以下手段，张量积 $1 \otimes 1$（两个向量）可以分解为 $L=0, 1, 2$ 分量：

   • 几何积的标量部分（$L=0$）。
   • 双向量部分的 Hodge 对偶（$L=1$）。
   • 一个闭式对称无迹投影算子（$L=2$）。
     该构造在无需学习 CG 系数的情况下，在单条边的双线性水平上涵盖了完整的 $SO(3)$不可约表示内容，最高达$L=3$。

2. 架构：

   • 基底： 模型为每个原子维持两个平行的特征轨道：一个克利福德多向量（维度为 8，覆盖 $2 \cdot L=0 \oplus 2 \cdot L=1$）以及可选的秩为 2 和 3 的 STF 通道。
   • 消息传递： 消息通过克利福德轨道上的几何积以及张量轨道上的闭式 STF 收缩来生成。
   • 跨轨道耦合： 一个关键组件是轨道间的双向耦合。STF 特征由克利福德向量生成，反之亦然，STF 特征通过与克利福德向量收缩（通过 $S \cdot v$）将 $L=2$ 信息注入回向量通道。这种耦合通过单个双线性运算进行学习。
   • 读出（Readout）： 力是通过结合向量通道（1 阶）和双向量的 Hodge 对偶，并辅以显式的 $L=2 \otimes L=1 \to L=1$ 收缩（即 $S \cdot \hat{r}$）来预测的，后者捕捉了 $L \le 1$ 架构无法获取的角度力分量。

核心贡献

• 诊断： 本文将问题的根源归结为缺失的 $L \ge 2$ 基底，而非模型容量或深度，这是导致基准克利福德模型方向失效的主要原因。
• 架构： 一种闭式构造，通过单一学习的双线性运算和经典的 STF 操作，实现了通过 $L=3$ 的球面谐波内容，且无需使用 Wigner-3j 符号。
• 实证验证： 一项包含十一类变体的消融研究证实，混合支架是必要的；单纯的克利福德轨道或单纯的 STF 轨道（在没有耦合的情况下）都无法接近组合系统的性能。

结果
在 rMD17、OC20 和 OC22 基准测试中，在固定参数预算（约 $10^6$ 个参数）下：

• rMD17（力方向性）： CliffordSTF 实现了 0.551 的聚合力余弦相似度，相比基础克利福德模型（0.055）提升了十倍，并优于所有其他无 CG 或体序（body-ordered）基准模型（均 $\le 0.17$）。它接近了全球面谐波模型的性能（EquiformerV2 $\approx 0.96$），而无需使用球面谐波。
• 量级准确性： 方向性的提升并未以牺牲量级准确性为代价。与基础克利福德模型相比，CliffordSTF 将力的 MAE 降低了 15.8%，能量 MAE 降低了 10.9%。
• 催化（OC22）：
  • IS2RE： 在 $L \ge 2$ 方法中获得了最佳的分布内（in-distribution）能量 MAE（4.09 eV），并具有竞争力的分布外（out-of-distribution）性能。
  • S2EF： 取得了研究中最佳的分布外能量 MAE，并达到了 $L \ge 2$ 方法中最佳的分布内能量 MAE。
• 效率： 在推理阶段，CliffordSTF（0.352 s/step）与较慢的球面谐波基准模型相当，且比 ICTP 等笛卡尔张量基准模型更快。由于双轨支架的自动微分图开销，训练速度大约比最快的球面谐波基准模型（MACE, EquiformerV2）慢 2–3 倍，但在其他张量场方法中仍具竞争力。

意义与主张
本文声称，等变架构的表示选择应由所需的特定角度内容（$L$ 值）驱动，而非仅仅忠于单一的代数形式。通过证明几何积与闭式 STF 操作结合后，能涵盖与通过 $L=3$ 的球面谐波相同的 $SO(3)$ 不可约表示内容，作者展示了混合方法如何恢复纯几何代数缺失的结构表达能力。

作者谦虚地指出，尽管 CliffordSTF 显著缩小了差距，但尚未达到全球面谐波架构（EquiformerV2）的绝对方向保真度。他们将跨轨道耦合视为训练中的“稳定性杠杆”，而非仅仅是准确性的驱动因素，并建议未来的工作可以扩展到更高的 $L_{max}$，通过融合算子优化训练成本，并通过显式的宇称追踪来实现完整的 $O(3)$ 等变性。