ИИ и сложнейшие проблемы мира · Химия и материалы · arXiv · 2026-10-19
Обучающий набор данных имеет значение для машинно-обучаемых межатомных потенциалов: моделирование воды как пример
Оригинальное название: Training Dataset Matters for Machine Learning Interatomic Potentials: Water Simulation as an Example
На примере воды в этой статье показано, что машинно-обучаемые межатомные потенциалы (MLIP) зависят от обучающих наборов данных, охватывающих соответствующие термодинамические условия и фазы. Недостаточно полно охватывающие наборы данных приводили к неверным предсказаниям плотности, температуры плавления и ядерных квантовых эффектов. Исчерпывающие наборы данных, рассчитанные одним и тем же методом электронной структуры, давали согласованные предсказания независимо от архитектуры MLIP, а плотности количественно совпадали с эталонными расчётами.