L'IA face aux grands problèmes du monde · Chimie et matériaux · arXiv · 2026-10-19
Interfaces métal-eau électrifiées à potentiel constant : apprentissage par transfert économe en données pour la dynamique moléculaire fondée sur l'apprentissage automatique
Titre original: Electrified Metal-Water Interfaces at Constant Potential: Data-Efficient Transfer Learning for Machine-Learning-Based Molecular Dynamics
Simuler des interfaces métal-eau électrifiées à potentiel constant avec solvant explicite est prohibitivement coûteux avec les méthodes ab initio. TRECI utilise l'apprentissage par transfert à partir de modèles généralistes et spécialisés pour construire des champs de force par apprentissage automatique à partir d'un nombre réduit de configurations de référence. Pour Cu(111)-eau, des modèles entraînés sur environ mille configurations donnent une dynamique moléculaire précise et capturent la restructuration du solvant en fonction du biais.