研究人员系统地将具有矩阵结构的优化器（包括SOAP、Muon以及混合的SOAP-Muon）与默认的Adam优化器进行了对比，用于训练NequIP和Allegro机器学习原子间势（MLIP）。研究发现，这些新优化器在收敛速度和最终精度方面均大幅优于Adam。

  • SOAP和SOAP-Muon展现出稳健的性能提升。
  • 与Adam相比，Muon仅提供了部分改进。
  • 在部分力监督条件下，性能优势尤为明显。

结果表明，优化器的选择是提高MLIP训练效率和精度的一个关键但常被忽视的设计维度。