초록
분자 시스템의 표현을 위한 효율적인 머신러닝 모델의 개발은 과학 연구에서 점점 더 중요한 위치를 차지하고 있다. 본 연구에서는 카르테시안 텐서 표현을 활용하는 새로운 O(3)-등변 메시지 전달 신경망 아키텍처인 TensorNet을 제안한다. 카르테시안 텐서 원자 임베딩을 사용함으로써 행렬 곱 연산을 통해 특징 혼합을 간소화할 수 있다. 또한, 이러한 텐서를 회전군의 불변 표현(irreducible representations)으로 비용 효율적으로 분해함으로써, 필요에 따라 스칼라, 벡터, 텐서를 별도로 처리할 수 있다. 고계의 구면 텐서 모델과 비교하여 TensorNet은 훨씬 적은 파라미터로 최첨단 성능을 달성한다. 소분자 전위 에너지 예측의 경우, 단일 상호작용 레이어만으로도 이를 가능하게 한다. 이러한 특성들로 인해 모델의 계산 비용이 크게 감소한다. 더불어, 전위 에너지와 힘 위에서 벡터 및 텐서 형태의 분자 양의 정확한 예측도 가능하다. 결론적으로, TensorNet의 아키텍처는 최첨단 등변 모델 설계를 위한 새로운 가능성을 열어준다.