.png){kind=icon}
返回
Moment Tensor Machine-Learning Potential: Development and Applications
.png){kind=icon}
PRE
AI
DOI：10.11900/0412.1961.2025.00289.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，基于人工智能的计算材料建模发展迅速，机器学习势（MLPs）已成为核心研究方向。通过将从头算参考数据拟合为连续且可微的函数形式，MLPs在保持近量子力学精度的同时显著降低计算成本。这一能力缓解了从头算方法在模拟大规模系统和长时程时的局限性。因此，MLPs成为连接原子模拟与宏观材料性质预测的关键纽带，为计算材料科学带来了新的可能性。本文聚焦于矩张量势（MTP），它在精度与计算效率之间提供了出色的平衡。本文从三个角度进行系统综述：理论框架、算法优化及实际应用。首先，分析MTP的数学基础与设计原理；其次，讨论提高精度和加速计算的策略；最后，通过典型材料系统的代表性案例研究展示MTP的性能，并展望未来发展方向。
Keyword:
interatomic potential
machine learning
moment tensor
atomistic simulation
