N体同変特徴の再帰的評価と反復的収縮

原子配置を原子位置に関連する場の対称化されたN点相関（例えば、原子密度）にマッピングすることは、機械学習アルゴリズムの入力として構造を表現するための優雅で効果的な解決法として浮上しています。低次密度相関が原子環境を完全に表現しないことは明らかになっていますが、可能なN体不変量の数が指数関数的に増加するため、簡潔で効果的な表現を設計することが難しくなっています。異なる次数の同変特徴間の再帰関係を利用して、高次項を効率的に計算する方法について論じます。各次数で最も表現力のある特徴の組み合わせを自動的に選択することと組み合わせることで、このアプローチは、原子機械学習のための体系的に改善可能な対称適応表現を生成するための概念的および実践的な枠組みを提供します。