NEMORA：面向长程原子模拟学习的神经等变多极子算子

研究人员提出神经等变多极子算子 NEMORA，将快速多极子方法（FMM）扩展为学习长程张量表征的神经等变架构。该方法具备线性时间和内存复杂度，支持处理包含数十万原子的超大体系，可无缝增强对称约束及非约束的短程骨干模型。在非局域 benchmark 测试中，NEMORA 相比短程骨干网络将力和能量误差分别降低超一个数量级与最高达三个数量级。