研究人员调查了机器学习势在准确预测二氧化硅玻璃中程有序性方面的局限性。利用中子和X射线衍射以及分子动力学，他们发现即使是包含长程相互作用的模型，在玻璃化后也难以复制实验上的非晶结构。短程和长程模型都表现出过度的有序和受限的网络柔性，这表明当前的方法对于无序二氧化硅的预测建模是必要的但不足够的。 AI
影响 表明当前的MLIP不足以预测复杂的材料结构，需要新的训练数据和采样策略。
排序理由 学术论文，详细介绍了机器学习势在材料科学方面的研究结果。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
Glassy silica is a foundational material in optics and electronics, yet accurately predicting its medium-range order (MRO) remains a major challenge for machine-learning interatomic potentials (MLIPs). While local MLIPs reproduce the short-range SiO4 tetrahedral network well, it …