用于原子间势的主动学习：不确定性驱动的数据效率综述

原标题: Active Learning for Interatomic Potentials: A Review of Uncertainty-Driven Data Efficiency

本综述梳理了七十多项关于机器学习原子间势主动学习的研究，其目标是使势函数在其应用条件下保持准确。内容涵盖实时（on-the-fly）分子动力学、预训练模型的微调，以及面向材料和化学体系的采样。作者还指出，不同架构的不确定性估计各不相同，且往往在最关键之处最不可靠。