Npj Comput. Mater.: 重构复杂缺陷：让机器学习势函数更加完美

主要观点总结

海归学者发起的公益学术平台分享了关于机器学习原子间势函数（MLIP）在原子级别模拟中的最新研究进展。文章重点介绍了MLIP在描述金属中原子间相互作用时的应用，尤其是如何处理扩展缺陷如位错网络和晶界。双飞博士团队提出了一种结合经典势函数引导的蒙特卡罗-分子动力学方法，用于高效自动地重构包含缺陷的原子结构，从而简化构建数据集的过程。这一方法在钨系统上的测试显示出良好的准确性，并推动了MLIP的发展。

关键观点总结

关键观点1: 传统势函数的局限性及MLIP的发展

传统势函数基于物理理论和近似方法构建，对复杂材料系统的应对能力不足。MLIP靠数据驱动，拟合能力强，但能力大小取决于训练数据集的丰富性。

关键观点2: 缺陷在势函数中的重要性及挑战

金属中的位错网络和晶界等关键结构复杂且难以建模，常被忽略。没有这些“缺陷”，难以构建真正强大的势函数。以往的办法是“主动学习”，但效率不高，计算成本也不小。

关键观点3: 双飞博士团队提出的解决方案

该团队开发了一种由经典势函数引导的蒙特卡罗-分子动力学方法，可以高效、自动地重构包含缺陷的原子结构，简化构建数据集的过程。此方法可用于各种MLIP，并在钨系统上表现出良好效果。

关键观点4: 研究团队提出的“缺陷基因组”概念

借助大量经典势函数，可以快速系统地构建金属中各种缺陷的训练集，从而加快MLIP的开发步伐。这推动了材料科学的进步，并展示了MLIP在材料科学中的潜力。