L'IA face aux grands problèmes du monde · Chimie et matériaux · arXiv · 2026-10-20
Comprendre l'asymétrie d'erreur entre compression et extension dans les potentiels interatomiques universels d'apprentissage automatique
Titre original: Understanding compression-extension error asymmetry in universal machine-learning interatomic potentials
La fiabilité des potentiels interatomiques universels d'apprentissage automatique sous déformation directionnelle n'est pas claire. Les auteurs ont comparé la compression et l'extension le long de chemins de déformation appariés à partir des mêmes structures parentes pour onze potentiels préentraînés, en utilisant des références DFT. À une déformation de ±10 %, chaque modèle présentait une erreur médiane de force plus élevée en compression. La décomposition de la croissance de l'erreur a montré que l'ajustement de l'échelle des forces réduit l'asymétrie, bien qu'un excès côté compression subsiste dans un jeu de données.