在科学研究领域的新范式——“AI for Science”时代,基于数据驱动的机器学习力场(ML-FFs)成功解决了第一性原理电子结构方法与传统经验力场之间的准确性和效率的问题。近年来,该领域呈现出井喷式的蓬勃发展,这一趋势在Web of Science平台的检索结果中得以印证。相关工作频繁登入Nature、Science、Cell等顶尖刊物。 随着计算机的算力快速发展,通过ML-FFs实现第一性原理级别精度的大规模的分子模拟研究已经成为可能.机器学习方法还使人们对原本认为了解的系统有了新的化学认知,例如小分子的非对称电子效应等现象,使研究者们能够更好地理解实验结果。因此,ML-FFs将可能成为现代计算化学的基本组成部分。 然而,作为新兴的跨学科领域,该领域知识面广,门槛高,涉及量子化学、分子模拟和机器学习等多个领域
………………………………