新加坡国立大学沈雷教授团队JMI综述论文| 机器学习原子间势和哈密顿量的批判性评论

本文背景是传统密度泛函理论和分子动力学在材料模拟中存在计算成本高或精度不足的问题。研究目的是系统评述机器学习原子间势和机器学习哈密顿量的最新进展，包括算法创新、等变性处理、数据效率策略等关键技术。结论指出这些方法能在扩展时空尺度实现近从头算精度，未来需通过主动学习、多保真度框架和增强可解释性来推动材料发现，为复杂材料体系提供更深入的机制洞察。