NEMORA：用于长程原子体系学习的神经等变多极算子

研究者提出 NEMORA，把 Fast Multipole Method（FMM）扩展为可学习的等变框架，用于学习长程张量表征。它在自适应空间层级上泛化 FMM 的多极展开与平移算子，以线性时间和内存复杂度处理可达数十万个原子的体系，并兼容对称约束与无约束短程骨干。在非局域基准上，其力与能量误差相对短程骨干分别降低一个数量级以上、最高三个数量级。