准范霍夫奇点信息方法提升GNN中的态密度/投影态密度预测精度

在该论文中,研究人员拓展了范霍夫奇点的概念,旨在将其作为先验信息显式地应用于模型的机器学习方法中。当该团队不再直接计算量子态密度,而是采用机器学习方法获得的估计值时,这种创新方法便得以实现。通过确定附加信息,研究人员能够构建后处理流程,从而显著提升模型预测质量。从分析角度看,由于系统额外增加的简并自由度,这种效应类似于高阶范霍夫奇点。作为系统信息重新分配的机制,该工作提出了具有正则化特性的方案,其原理接近于对费希尔信息的考量。

量科快讯