English(EN) Pretrained Model Representations as Acquisition Signals for Active Learning of MLIPs

来自预训练 MACE 势的新核函数改进了 MLIPs 的主动学习

作者 PulseAugur 编辑部 · [2 个来源] · 2026-05-05 16:48

研究人员开发了一种利用预训练模型表征来主动学习机器学习原子间势（MLIPs）的新方法。该方法利用预训练 MACE 势的潜在空间来生成获取信号，特别是有限宽度神经网络切线核和激活核。这些信号有效地减少了训练所需的数据，在反应化学基准测试中，能量误差平均减少了 38%，力误差平均减少了 28%。 AI

影响该方法可以显著降低训练 MLIPs 的数据需求，从而加速材料科学和化学领域的研究。

排序理由这是一篇详细介绍 MLIPs 主动学习新方法的学术论文。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.LG TIER_1 English(EN) · Eszter Varga-Umbrich, Shikha Surana, Paul Duckworth, Jules Tilly, Olivier Peltre, Zachary Weller-Davies · 2026-05-06 04:00

预训练模型表示作为主动学习MLIPs的获取信号

arXiv:2605.03964v1 Announce Type: new Abstract: Training machine learning interatomic potentials (MLIPs) for reactive chemistry is often bottlenecked by the high cost of quantum chemical labels and the scarcity of transition state configurations in candidate pools. Active learnin…
arXiv cs.LG TIER_1 English(EN) · Zachary Weller-Davies · 2026-05-05 16:48

预训练模型表征作为主动学习MLIPs的获取信号

Training machine learning interatomic potentials (MLIPs) for reactive chemistry is often bottlenecked by the high cost of quantum chemical labels and the scarcity of transition state configurations in candidate pools. Active learning (AL) can mitigate these costs, but its effecti…