通过主动学习加速强非谐材料的机器学习原子势的训练和提高其可靠性
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了机器学习原子势在训练集不足时可能导致在强非谐材料中动态描述不准确的问题。通过将分子动力学与主动学习相结合，该方法有效地提高了数据的利用效率，并能更好地捕捉复杂的相空间区域。研究表明，该主动学习方案能够识别并修正现有方法中的问题，具有重要的物理意义和应用潜力。
机器学习的原子间势函数对原子级材料建模产生重要影响。利用合成的原子级数据进行预训练任务，可以提高模型在量子力学数据集上的精度和稳定性。通过碳相关的等变图神经网络势函数进行验证和实验。
