NEMORA：用于长程原子体系学习的神经等变多极算子
Get the story
2026年10月9日，研究者在 arXiv（Machine Learning Theory）发布 NEMORA，提出将快速多极方法（FMM）扩展为可学习的等变框架，用于学习长程张量表征。该方法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架。在非局域基准测试中，其力与能量误差相对短程骨架分别降低一个数量级以上、最高三个数量级。目前公开信息仅包含该论文报道，尚未见后续独立验证或应用进展。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Machine Learning TheoryNEMORA：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。
Heat trend
Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.