L'IA face aux grands problèmes du monde · Chimie et matériaux · arXiv · 2026-10-19
Apprentissage actif pour les potentiels interatomiques : une revue de l'efficacité des données guidée par l'incertitude
Titre original: Active Learning for Interatomic Potentials: A Review of Uncertainty-Driven Data Efficiency
Cette revue passe en revue plus de soixante-dix études sur l'apprentissage actif pour les potentiels interatomiques d'apprentissage automatique, qui vise à rendre les potentiels précis dans les conditions où ils sont appliqués. Elle couvre la dynamique moléculaire à la volée, l'affinage de modèles préentraînés et l'échantillonnage pour les systèmes matériaux et chimiques. Les auteurs notent également que les estimations d'incertitude diffèrent selon les architectures et sont souvent les moins fiables là où elles comptent le plus.