KI und die schwierigen Probleme der Welt · Chemie & Materialien · arXiv · 2026-10-19
Aktives Lernen für interatomare Potenziale: Ein Überblick über unsicherheitsgesteuerte Dateneffizienz
Originaltitel: Active Learning for Interatomic Potentials: A Review of Uncertainty-Driven Data Efficiency
Dieser Überblick wertet mehr als siebzig Studien zum aktiven Lernen für maschinelle interatomare Potenziale aus, mit dem Ziel, Potenziale für die Bedingungen, unter denen sie eingesetzt werden, genau zu machen. Er behandelt On-the-fly-Molekulardynamik, das Feintuning vorab trainierter Modelle und das Sampling für Materialien und chemische Systeme. Die Autoren weisen außerdem darauf hin, dass sich Unsicherheitsschätzungen zwischen Architekturen unterscheiden und dort, wo sie am wichtigsten sind, oft am wenigsten zuverlässig sind.