分子、反应和材料中机器学习势的演变

本文综述了机器学习势（MLPs）在分子、反应和材料科学中的发展历程及最新进展。MLPs通过拟合离散的量子化学数据，构建连续且对称性保持的势能面（PES），实现了从第一性原理出发的高精度、高效率原子尺度模拟。文章系统梳理了MLPs的演变路径，包括基于全局描述符和局部描述符的两类模型，重点介绍了近年来提出的先进方法及其在复杂系统和长程相互作用中的应用。此外，文章还探讨了MLPs的代表性应用场景，以及开发跨体系通用势能模型的趋势，最后总结了当前挑战与未来机遇。