【文献分享】Journal of Physical Chemistry C ：通过更好的实践提高机器学习原子间势的质量和可靠性

---

================================

分享一篇文章： The Journal of Physical Chemistry C —通过更好的报告实践提高机器学习原子间势的质量和可靠性 。

感谢论文的原作者！

================================

主要内容

“机器学习原子间势 (MLIP) 的最新发展甚至使非机器学习专家也能够训练 MLIP 以加速材料模拟。然而，当前文献中缺乏明确的标准，阻碍了 MLIP 结果的可重复性和独立评估。在本视角中，我们的目标是提供有关记录 MLIP 使用的最佳实践的指导，同时引导读者完成 MLIP 的开发和部署，包括硬件和软件要求、生成训练数据、训练模型、验证预测和 MLIP 推理。我们还建议有用的绘图实践和分析，以验证和增强对已部署模型的信心。最后，我们提供了一份分步清单，供从业人员在发布之前直接使用，以标准化要报告的信息。总的来说，我们希望我们的工作能够鼓励这些 MLIP 的可靠和可重复使用，这将加速它们在材料科学、化学和生物学等各个学科中产生积极影响的能力。”——取自文章摘要。

================================

================================

Figure 1

Figure 2

Figure 3

Figure 4

Figure 5

================================

================================

以上是我们分享的一些经验或者文章的搬运，或有不足，欢迎大家指出！

如有侵权，请联系我立马删除！

详细内容（文章题目、文章链接、附件下载）可在微 信 公 众 号：原子与分子模拟获取，欢迎大家关注。