ИИ и сложнейшие проблемы мира · Химия и материалы · arXiv · 2026-10-26
Контрастная регуляризация машинно-обученных потенциалов
Оригинальное название: Contrastive Regularization of Machine Learning Potentials
Машинно-обучаемые межатомные потенциалы, обученные минимизацией среднеквадратичной ошибки на данных DFT, могут соответствовать отложенным данным, но при семплировании сползать в ложные минимумы, искажая свою термодинамику. Авторы вводят Contrastive Regularized MSE (CRMSE) — этап дообучения, на котором потенциал выступает собственной энергетической моделью и учится воспроизводить порождаемое им распределение, без каких-либо новых данных DFT. На молекулах из MD17 CRMSE восстанавливает физически корректное семплирование и воспроизводит профили свободной энергии DFT, сохраняя ошибки энергии и сил в пределах химической точности.