恆定電位下的帶電金屬—水界面:基於機器學習的分子動力學之資料高效遷移學習

原標題: Electrified Metal-Water Interfaces at Constant Potential: Data-Efficient Transfer Learning for Machine-Learning-Based Molecular Dynamics

以第一原理方法在顯式溶劑下模擬恆定電位的帶電金屬-水界面，計算成本高得令人卻步。TRECI 利用來自通用模型與特定領域模型的遷移學習，只需較少的參考構型即可建立機器學習力場。以 Cu(111)-水為例，使用約一千個構型訓練的模型能給出準確的分子動力學結果，並捕捉隨偏壓變化的溶劑重構。