================================
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。