AI与世界难题 · 化学与材料 · arXiv · 2026-10-26
机器学习势的对比正则化
原标题: Contrastive Regularization of Machine Learning Potentials
通过最小化 DFT 数据上的均方误差训练的机器学习原子间势,可以与留出数据相符,但在采样时会漂移到虚假极小值,从而破坏其热力学性质。作者提出了对比正则化 MSE(CRMSE),这是一个训练后步骤,其中势函数充当自身的基于能量的模型,学习重现自身生成的分布,且无需任何新的 DFT 数据。在 MD17 分子上,CRMSE 恢复了物理上合理的采样,并还原了 DFT 自由能曲线,同时使能量和力的误差保持在化学精度范围内。