上海人工智能实验室张舒飞&苏茂：打破分子模拟的“瓶颈”——让 AI 更懂原子

本文介绍了上海人工智能实验室张舒飞和苏茂等在《Nature Communications》上报道的一种名为TAIP的框架，旨在解决机器学习原子间势能（MLIPs）在测试数据分布偏移时的性能下降问题。背景方面，分子动力学（MD）模拟在生物学、化学和材料科学中具有重要作用，但传统的从头算MD模拟计算需求大，而MLIPs虽然高效，却容易因数据分布偏移导致性能下降。研究目的是通过TAIP框架的双层自监督学习方案，提升MLIPs的准确性和MD模拟的稳定性。实验结果表明，TAIP在多个数据集上显著降低了能量和力的预测误差，并在MD模拟中表现出更高的稳定性。结论指出，TAIP框架在不依赖额外数据的情况下，有效解决了分布偏移问题，为分子模拟领域提供了更可靠的工具。