基于机器学习的力场模型研究综述

摘要

【应用背景】在过去的几十年里,由于原子结构以及计算的复杂性,传统力场方法在解决某些问题时较为吃力。【目的】而机器学习方法的引入,有望解决许多曾经无法攻克的难题,平衡计算效率和计算精度之间的制约关系。【方法】该方法不依赖于先入为主的知识,通过从小规模高精度分子动力学模拟数据中学习来对力场进行建模,同时对原子核和核外电子的运动做了近似假设,从而很大程度上简化了力场的生成过程。【结果】机器学习力场旨在达到与传统力场几乎同样的精度并大幅度地提高计算效率。本文概述了机器学习力场的发展以及其相关理论知识,介绍了几种比较常见的机器学习力场方法,最后探讨了机器学习力场的不足以及未来需要克服的挑战。