提出方法可迁移的机器学习势函数

2026年10月15日，arXiv Artificial Intelligence 刊出一篇由 Pavlo O. Dral 等作者撰写的 Perspective 观点论文，讨论机器学习势能（MLP）能否比其训练方法更准确。作者提出，MLP 可通过在量子化学方法这一“第三空间”上泛化，实现非经验性地超越其训练方法的精度，并据此提出一条“可迁移方法”的 MLP 路线。文中称，该路线在密度泛函与波函数理论中的实现表明，其精度可超过任一训练方法。作者认为，该方法有望让通用 MLP 比单方法模型更准确，并影响训练数据集构建与模型评估。截至该报道，事件进展为这一观点与路线的提出，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。