Npj Comput. Mater.: 机器学习原子势的“维度诅咒”—在高维空间被低估的挑战

文章预览

海归学者发起的公益学术平台 分享信息，整合资源 交流学术，偶尔风月 在原子建模领域，机器学习原子势（machine learning interatomic potential，MLIP）如今已成为一项被广泛应用的技术。它作为一种新兴计算方法有潜力解决精确拟合原子相互作用和计算量之间的矛盾。不少研究表明，机器学习原子势能够精确拟合第一性原理计算所得的材料体系能量和原子间相互作用力，但在重现物理现象和在预测材料的性质上的性能参差不齐。因此，量化机器学习原子势对一系列材料性质预测的总体性能，并开发一个全面分析过程迫在眉睫。 来自美国马里兰大学材料科学和工程系的莫一非教授团队，在硅材料体系内系统性检测了大量机器学习原子势模型对一系列材料性质预测的总体性能，并引入了一套对机器学习原子势总体性能的分析流程（图1）。不同于对单个或 ………………………………