La IA y los problemas difíciles del mundo · Química y materiales · arXiv · 2026-10-19
Aprendizaje activo para potenciales interatómicos: una revisión de la eficiencia de datos basada en la incertidumbre
Título original: Active Learning for Interatomic Potentials: A Review of Uncertainty-Driven Data Efficiency
Esta revisión examina más de setenta estudios sobre aprendizaje activo para potenciales interatómicos de aprendizaje automático, cuyo objetivo es lograr que los potenciales sean precisos en las condiciones en las que se aplican. Abarca la dinámica molecular sobre la marcha, el ajuste fino de modelos preentrenados y el muestreo para sistemas de materiales y químicos. Los autores también señalan que las estimaciones de incertidumbre difieren entre arquitecturas y que a menudo son menos fiables justo donde más importan.