arXiv cs.LG· Hongwei Du, Dingyang Lv, Baole Wei, Yu Ren, Feng Yu, Xin He, Bonan Zhu, Yongda Huang, Yongheng Li, Jianjun Liu, Siqi Shi, Hong Wang, Ziheng Lu·· 6 小时前AI 评分22
多组分材料中通用机器学习力场误差的来源
Origins of Universal Machine Learning Force-Field Errors in Multicomponent Materials
AI 导读
研究构建了 7,599 个多组分构型基准，用密度泛函理论评估 11 个预训练模型在能量、力与应力上的表现。结果显示，压缩侧力误差是拉伸侧的 1.81-1.95 倍，且误差与训练参考覆盖度、局部几何异质性相关。在参数匹配下，最大阶数为 2 和 4 的球谐表示分别在 43 个元素中的 38 和 40 个上降低了测试力误差。
来源：arXiv cs.LG · arxiv.org