قام الباحثون بمقارنة منهجية لمُحسِّني البنية المصفوفية، بما في ذلك SOAP و Muon والمُحسِّن الهجين SOAP-Muon، مع المُحسِّن القياسي Adam لتدريب نماذج NequIP و Allegro MLIP. وجدت الدراسة أن هذه المُحسِّنات الجديدة تتفوق بشكل كبير على Adam من حيث سرعة التقارب والدقة النهائية.
- برز SOAP و SOAP-Muon كطرق قوية مع مكاسب أداء متسقة.
- قدم Muon فقط مكاسب جزئية مقارنة بـ Adam.
- كانت التحسينات بارزة بشكل خاص في ظل ظروف الإشراف الجزئي على القوى.
تشير النتائج إلى أن اختيار المُحسِّن هو محور تصميم مهم وغالباً ما يتم تجاهله لجهود الذرات المتبادلة بالتعلم الآلي.