Adamを超えて：SOAPとMuonによる、機械学習原子間ポテンシャルのより高速でラベル効率の良いトレーニング

機械学習インターアトミックポテンシャル（MLIP）の訓練において、標準的なAdamオプティマイザに代わる高速・ラベル効率的な手法としてSOAPとMuonを提案・比較。NequIPモデルで評価し、より効率的なトレーニングの可能性を示す。

• 機械学習インターアトミックポテンシャル（MLIP）の訓練を高速化・効率化する手法を提案。
• 標準的なAdamオプティマイザに代わる手法としてSOAPとMuonを比較・評価。
• NequIPモデルでの評価により、提案手法の有効性を示している。
• より少ないデータ（ラベル効率）で高性能なMLIPを訓練できる可能性を示唆。