Npj Comput. Mater. : 机器学习原子间势：兼具高性能和高效率

本文探讨了机器学习在预测原子间势能方面的应用，指出现有深度学习方法在兼顾预测精度和计算效率方面存在挑战。研究提出了一种等变图神经网络（E2GNN），采用标量-向量的简洁表示对等变特征进行编码，并结合全局消息传递机制，实现了高精度与高效率的势能预测。实验结果表明，E2GNN在多个数据集中优于当前代表性基线模型，并且在计算效率上展现出明显优势。该模型有望加速新材料发现和优化现有材料性能，为材料科学计算提供更高效的数据驱动工具。