Adaptive Multi-Teacher Routing

新AI方法改进通用机器学习原子间势的训练

研究人员开发了一种名为自适应多教师路由（ATR）的新方法，以改进通用机器学习原子间势（uMLIPs）的训练。该技术解决了精确计算相关的高计算成本问题，而高计算成本通常会限制训练数据集。ATR使用多个预训练的uMLIPs来智能选择可靠的数据点用于伪标签生成，有效拒绝模型不够自信的结构。这种方法能够以最少的精确标签创建大型、高保真数据集，从而提高分子动力学模拟的性能和动力学鲁棒性。