शोधकर्ताओं ने NequIP और Allegro मशीन लर्निंग इंटरैटॉमिक पोटेंशियल्स (MLIPs) के प्रशिक्षण के लिए डिफ़ॉल्ट Adam ऑप्टिमाइज़र के खिलाफ मैट्रिक्स-संरचित ऑप्टिमाइज़र्स, जिनमें SOAP, Muon और हाइब्रिड SOAP-Muon शामिल हैं, की व्यवस्थित तुलना की। अध्ययन से पता चला कि ये नए ऑप्टिमाइज़र अभिसरण गति और अंतिम सटीकता दोनों में Adam को काफी बेहतर प्रदर्शन देते हैं।
- SOAP और SOAP-Muon स्थिर प्रदर्शन लाभ के साथ मजबूत विधियों के रूप में सामने आए।
- Muon ने Adam के सापेक्ष केवल आंशिक सुधार प्रदान किए।
- आंशिक बल निगरानी की स्थितियों के तहत प्रदर्शन लाभ विशेष रूप से स्पष्ट थे।
परिणाम संकेत देते हैं कि ऑप्टिमाइज़र का चयन MLIP प्रशिक्षण की दक्षता और सटीकता को बेहतर बनाने के लिए एक महत्वपूर्ण, लेकिन अक्सर नजरअंदाज किया जाने वाला डिज़ाइन अक्ष है।