대규모 원자 모델을 위한 그래프 신경망
대규모 원자 모델(LAM)은 밀도범함수 이론(DFT)으로 정의되는 원자 시스템의 바닥 상태 전위 에너지 표면(PES)을 보편적으로 표현하는 것을 목표로 합니다. 이러한 대규모 모델의 개발에는 스케일링 법칙이 중요하며, 모델 크기, 훈련 데이터셋, 계산 예산이 증가함에 따라 일반화 성능이 향상됨을 시사합니다. 본 연구에서는 LAM 시대를 위해 특별히 설계된 다층 그래프 신경망인 DPA3를 제안합니다. DPA3는 라인 그래프 시리즈(LiGS)를 기반으로 하며, 모델 파라미터 수의 확장성은 추가 레이어 스태킹을 통해 달성됩니다. 또한,…