연구자들은 NequIP 및 Allegro 기계 학습 원자간 포텐셜(MLIPs)의 훈련에 대해 기본 Adam 최적화 알고리즘과 비교하여 SOAP, Muon 및 하이브리드 SOAP-Muon을 포함한 행렬 구조 최적화 알고리즘들을 체계적으로 비교했습니다. 그 결과, 이러한 새로운 최적화 알고리즘들이 수렴 속도와 최종 정확성 모두에서 Adam을 크게 능가하는 것으로 나타났습니다.

  • SOAP 및 SOAP-Muon은 일관된 성능 향상으로 견고한 방법으로 부상했습니다.
  • Muon은 Adam에 비해 부분적인 개선만 제공했습니다.
  • 성능 우위는 부분 힘 감독 조건 하에서 특히 두드러졌습니다.

이 결과는 최적화 알고리즘 선택이 MLIP 훈련의 효율성과 정확성을 향상시키는 데 있어 중요하지만 종종 간과되는 설계 축임을 나타냅니다.