研究人员开发了一个新的机器学习原子间势（MLIPs）框架，解决了长程静电学和极化问题。该方法使用可极化原子多极矩来预测环境依赖的潜在单极矩、偶极矩和四极矩，同时通过线性响应捕获非局域电荷转移和极化。该框架在各种基准测试中显示出更高的准确性，并使MLIPs能够预测对极化敏感的可观测值。 AI
影响 引入了一种改进MLIPs的新颖方法，有可能提高其在预测离子、极性和界面系统性质方面的准确性。
排序理由 这是一篇详细介绍机器学习原子间势新科学框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
