English(EN) Force-Aware Neural Tangent Kernels for Scalable and Robust Active Learning of MLIPs

新框架实现机器学习势能的可扩展、鲁棒主动学习

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-13 17:08

研究人员开发了一种新的机器学习势能（MLIPs）主动学习框架，解决了可扩展性和鲁棒性挑战。该框架利用力感知神经切线核（NTK）来高效筛选大量的分子结构候选池。该方法在OC20数据集上表现出有效性，实现了低能量和力误差，并在其他基准测试中保持竞争力且鲁棒。 AI

影响引入了一种更有效、更鲁棒的训练势能的方法，可能加速材料科学的发现。

排序理由发表了一篇详细介绍新机器学习方法的学术论文。[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 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Shikha Surana · 2026-05-13 17:08

Force-Aware Neural Tangent Kernels for Scalable and Robust Active Learning of MLIPs

Active learning for machine-learning interatomic potentials (MLIPs) must address several challenges to be practical: scaling to large candidate pools, leveraging energy-force supervision, and maintaining robustness when candidate pools are biased relative to the target distributi…