以原子为中心的表示和信息传递机器学习方案的统一理论

以数据为驱动的方案将分子和晶体结构与其微观属性相关联，需对其原子成分的排列进行简洁有效的描述。多种类型的模型依赖于对以原子为中心的环境的描述，这些描述与原子属性或原子对广泛宏观量的贡献相关联。这类框架可以通过以原子为中心的密度相关性（ACDC）来理解，这些密度相关性用于目标的体序、对称适应扩展。其他几种方案通过使用“信息传递”思想收集关于邻近原子之间关系的信息，这些信息不能直接映射到以单个原子为中心的相关性。我们将ACDC框架推广到包括多中心信息，生成表示，提供完成线性基以回归原子坐标的对称函数，并提供一个连贯的基础来系统化我们对基于原子和信息传递、不变和协变的机器学习方案的理解。