草莓视频

机器学习势目前已经成为化学、物理、生物和材料科学等领域开展计算模拟的重要工具，也是人工智能技术在科学领域中应用的关键方向之一。目前，主流的构建方案基于原子能量分解或多体展开理论，旨在实现对复杂高维体系相对高效准确的描述。然而，基于原子展开得到的原子能量缺乏实际化学意义，而多体展开方法通常面临高阶展开项致计算复杂度指数增长的挑战。

近日，草莓视频 郁琦课题组提出了一种全新的机器学习势构建框架-MB-PIPNet，成功实现了势函数模型在匹配第一性原理精度的同时，能与传统分子力场方法计算效率高度融合。相关研究成果以“Extending atomic decomposition and many-body representation with a chemistry-motivated approach to machine learning potentials”为题，在Nature Computational Science上发表。