AIが解く世界の難問 · 化学・材料 · arXiv · 2026-10-19
原子間ポテンシャルのための能動学習：不確かさに基づくデータ効率の総説
原題: Active Learning for Interatomic Potentials: A Review of Uncertainty-Driven Data Efficiency
機械学習による原子間ポテンシャルを、計算対象の条件に合わせて精度よく作るための能動学習について、70以上の研究を概観した総説である。分子動力学の逐次学習、事前学習モデルの微調整、凍結モデルを使った選択など、データ効率の良い多様な手法が整理されている。一方で、不確かさの推定はモデル構造によって一致せず、最も重要な場面で信頼性が低い場合が多いという課題も指摘されている。