قارن الباحثون بشكل منهجي مُحسِّنات البنية المصفوفية، بما في ذلك SOAP وMuon والمُحسِّن الهجين SOAP-Muon، مع مُحسِّن Adam الافتراضي لتدريب جهود ذرية بينية للتعلم الآلي (MLIPs) الخاصة بـNequIP وAllegro. وجدت الدراسة أن هذه المُحسِّنات الجديدة تتفوق بشكل كبير على Adam في كل من سرعة التقارب والدقة النهائية.
- برزت SOAP وSOAP-Muon كطرق قوية مع مكاسب أداء متسقة.
- قدمت Muon تحسينات جزئية فقط مقارنة بـAdam.
- كانت مزايا الأداء بارزة بشكل خاص تحت ظروف الإشراف الجزئي على القوى.
تشير النتائج إلى أن اختيار المُحسِّن هو محور تصميم حاسم، وغالبًا ما يتم تجاهله، لتحسين كفاءة ودقة تدريب MLIP.