IA e os Problemas Difíceis do Mundo · Química e materiais · arXiv · 2026-10-19
O conjunto de dados de treinamento importa para potenciais interatômicos de aprendizado de máquina: a simulação de água como exemplo
Título original: Training Dataset Matters for Machine Learning Interatomic Potentials: Water Simulation as an Example
Usando a água como exemplo, este artigo mostra que os potenciais interatômicos de aprendizado de máquina (MLIPs) dependem de conjuntos de dados de treinamento que cubram as condições termodinâmicas e as fases relevantes. Conjuntos de dados amostrados de forma insuficiente levaram a previsões erradas de densidade, temperatura de fusão e efeitos quânticos nucleares. Conjuntos de dados abrangentes calculados com o mesmo método de estrutura eletrônica deram previsões consistentes, independentemente da arquitetura do MLIP, com densidades em concordância quantitativa com os cálculos de referência.