BriefGPT - AI 论文速递
·
一种基于 Kaczmarz 的方法加速神经网络波函数优化
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
通过使用变分蒙特卡罗方法优化的神经网络波函数，我们提出了子采样投影增量自然梯度下降（SPRING）优化器来减少优化成本。在小原子和分子上，SPRING优于MinSR和KFAC，达到了化学精度。
🎯
关键要点
- 使用变分蒙特卡罗方法优化的神经网络波函数。
- 提出了子采样投影增量自然梯度下降（SPRING）优化器以减少优化成本。
- SPRING 优于 MinSR 和 KFAC，特别是在小原子和分子上。
- 所有方法的学习率经过最优调整。
- 例如，氧原子在四万次训练迭代后，SPRING 达到化学精度，而 MinSR 和 KFAC 在十万次迭代后仍未达到。
🏷️
标签
➡️
