AI 與世界的難題 · 化學與材料 · arXiv · 2026-10-19
具備電響應的可擴展長程機器學習原子間勢，用於原子尺度材料建模
原標題: Scalable long-range machine learning interatomic potentials with electrical response for atomistic material modeling
本文提出 DPA4C-LR，這是一種機器學習原子間勢，能處理長程靜電作用與電響應，同時支援分散式運算。它將長程靜電力與玻恩有效電荷，分離為全域計算以及習得潛在電荷的局部導數。該模型可在四張 GPU 上擴展至 520 萬個原子，成本約為其短程骨幹模型的兩倍，並能重現水的電場相依紅外光譜以及弛豫鐵電體的極化磁滯。它還預測了一種非晶態鋰基化合物在室溫下的離子電導率。