Editorial Fisika & Matematika
Jaringan Graf Efisien dan Ekuivarian untuk Memprediksi Hamiltonian Kuantum
Masalah inti
Inovasi
QHNet dirancang sebagai jaringan saraf graf SE(3)-ekuivarian yang memprediksi matriks Hamiltonian langsung dari koordinat dan jenis atom. Arsitektur ini memanfaatkan sifat simetri Hamiltonian terhadap rotasi dan translasi, memastikan bahwa prediksi bertransformasi secara ekuivarian. Kemajuan metodologis utamanya adalah pengurangan produk tensor—operasi yang mahal secara komputasi dan berskala buruk terhadap jumlah kanal. Dengan merestrukturisasi jaringan secara inovatif, QHNet menurunkan jumlah produk tensor sebesar 92% dibandingkan jaringan ekuivarian konvensional. Selain itu, QHNet memperkenalkan mekanisme untuk mencegah pertumbuhan eksponensial dimensi kanal seiring bertambahnya jumlah jenis atom, yang merupakan hambatan umum pada sistem multikomponen. Hal ini dicapai melalui desain cermat pada skema agregasi fitur dan message passing. Jaringan ini memproses graf molekul dengan simpul merepresentasikan atom dan sisi merepresentasikan interaksi, lalu mengeluarkan matriks Hamiltonian secara block-wise. Arsitektur keseluruhan dapat divisualisasikan sebagai:
Ekuivariansi ditegakkan dengan menggunakan spherical harmonics dan koefisien Clebsch-Gordan, tetapi dengan skema produk tensor yang ramping yang menghindari komputasi redundan.
Mengapa penting
Siapa yang sebaiknya membaca
Membuka konten member…