Makine öğrenmesi tabanlı moleküler simülasyonlar, malzeme biliminden ilaç tasarımına kadar birçok alanda devrim yaratsa da, uzun menzilli elektrostatik etkileşimler konusunda hâlâ önemli sınırlamaları bulunuyor. Özellikle iyonik, polar ve ara yüzey sistemlerinde bu sorun daha da belirginleşiyor.
Yeni geliştirilen yarı-lokal çerçeve, atomları tekil kutup, çift kutup ve dörtlü kutup gibi çoklu elektriksel özellikler taşıyan birimler olarak modelliyor. Bu yaklaşım, her atomun çevresindeki elektriksel durumu daha detaylı bir şekilde tanımlayarak, moleküller arası etkileşimleri daha gerçekçi bir biçimde hesaplayabiliyor.
Sistem, yerel eşdeğişken tanımlayıcılar kullanarak çevre-bağımlı gizli monopoller, dipoller ve kuadrupoller öngörüyor. Aynı zamanda, artık uzun menzilli yük transferi ve polarizasyon etkilerini de lineer yanıt teorisi ile yakalıyor.
Dört farklı kıyaslama sistemi ve dört farklı kısa menzilli yapay zeka potansiyeli mimarisi üzerinde yapılan testler, multipol hiyerarşisi ve yanıt terimlerinin potansiyel enerji yüzeyi doğruluğunu sistematik olarak iyileştirdiğini ortaya koydu. En büyük gelişmeler, beklendiği gibi uzun menzilli etkilerin kritik olduğu sistemlerde gözlemlendi.
Daha da önemlisi, öğrenilen gizli değişkenler fiziksel olarak anlamlı elektriksel yanıtları geri kazanabiliyor ve doğru Born etkin yük tensörlerini üretiyor. Bu durum, yöntemin sadece sayısal doğruluk sağlamakla kalmayıp, fiziksel gerçekliği de koruduğunu gösteriyor.