IXThinker·2025-04-17 10:30

機器學習勢二十年發展 由分子到材料的模擬革命

機器學習勢（MLPs）正在改變原子級模擬的遊戲規則。一篇刊登於《化學學會評論》的綜述回顧其二十年發展，梳理由分子、反應到材料領域的先進方法，並展望通用勢函數的趨勢與挑戰。

何謂機器學習勢

作為量子化學的基礎，Born–Oppenheimer近似允許研究人員分離原子核與電子的運動，在核坐標參數下求解電子結構。MLPs則把離散的從頭算數據擬合為連續且保持對稱性的數學形式，充當高速代理模型。