초록
우리는 양자 계산 데이터셋에서 분자 특성을 모델링하기 위해 계층적으로 상호작용하는 입자 신경망(HIP-NN, Hierarchically Interacting Particle Neural Network)을 소개합니다. 다체 전개(many-body expansion)에서 영감을 받은 HIP-NN은 에너지와 같은 특성을 계층적 항들의 합으로 분해합니다. 이러한 항들은 분자의 표현에 작용하는 신경망—많은 비선형 변환의 조합—에서 생성됩니다. HIP-NN은 131,000개의 기저 상태 유기 분자를 포함하는 데이터셋에서 최고 수준의 성능을 달성하며, 에너지를 평균 절대 오차 0.26 kcal/mol로 예측합니다. 최소한의 튜닝만으로도 우리의 모델은 분자 동역학 궤적 데이터셋에서도 경쟁력을 보입니다. 정확한 에너지 예측을 가능하게 하는 것 외에도, HIP-NN의 계층적 구조는 모델 불확실성의 영역을 식별하는 데 도움을 줍니다.