混合串联回归框架的晶态材料研究中调和协方差性和表达性的深哈密顿回归

混合框架利用两个级联回归阶段解决了深度学习中的协方差-表达能力两难问题。第一个阶段利用协变的神经网络对对称性建模，产生协变特征和基线哈密顿预测。第二阶段使用非线性3D图Transformer网络对原子系统进行结构建模，得到更好表达能力的哈密顿精细预测。该方法在哈密顿预测方面达到了最先进的性能。