研究者たちは、NequIPおよびAllegroの機械学習原子間ポテンシャル（MLIPs）のトレーニングにおいて、デフォルトのAdam最適化アルゴリズムと比較して、SOAP、Muon、およびハイブリッドSOAP-Muonを含む行列構造の最適化アルゴリズムを体系的に比較した。その結果、これらの新しい最適化アルゴリズムは、収束速度と最終的な精度の両方でAdamを大幅に上回ることがわかった。

  • SOAPおよびSOAP-Muonは、一貫した性能向上を示す堅牢な手法として浮上した。
  • MuonはAdamと比較して部分的な改善しか提供しなかった。
  • 性能上の優位性は、部分力監督の条件下で特に顕著であった。

これらの結果は、最適化アルゴリズムの選択が、MLIPトレーニングの効率性と精度を向上させるための重要かつしばしば見過ごされている設計軸であることを示している。