该文综述机器学习原子间势的发展，涵盖原子团簇展开（ACE）、NequIP、TensorNet、EANN等方法，强调等变性、置换不变性与计算效率。研究通过统一数学框架、自动指纹选择、集成学习等策略，提升对晶体材料、声子传输及复杂势能面的建模精度，并探讨优化与参数估计等挑战。