La IA y los problemas difíciles del mundo · Química y materiales · arXiv · 2026-10-19
Interfaces metal-agua electrificadas a potencial constante: aprendizaje por transferencia eficiente en datos para dinámica molecular basada en aprendizaje automático
Título original: Electrified Metal-Water Interfaces at Constant Potential: Data-Efficient Transfer Learning for Machine-Learning-Based Molecular Dynamics
Simular interfaces metal-agua electrificadas a potencial constante con disolvente explícito es prohibitivamente costoso con métodos ab initio. TRECI utiliza aprendizaje por transferencia a partir de modelos de propósito general y específicos del dominio para construir campos de fuerza de aprendizaje automático a partir de un número reducido de configuraciones de referencia. Para Cu(111)-agua, los modelos entrenados con unas mil configuraciones ofrecen una dinámica molecular precisa y capturan la reestructuración del disolvente dependiente del potencial aplicado.