原子论模拟(Atomistic Simulation)的应用涵盖药物设计和材料发现等广泛的领域。人们发现机器学习原子间的势函数(MLIPs, Machine learning interatomic potentials)是有可能替代价格昂贵的从头算理论模拟方法。当一种具有普适性的MLIP可以帮助研究者无需进行重新拟合就可以应用,因此发展一种普适性MLIP能够使化学和材料领域的研究者从中获益。
有鉴于此,洛斯阿拉莫斯国家实验室Justin S. Smith、Richard A. Messerly、Nicholas Lubbers等通过对凝聚态反应自动取样的方式发展了一种普适性的MLIP,并将其称为ANI-1xnr。
参考文献
Zhang, S., Makoś, M.Z., Jadrich, R.B. et al. Exploring the frontiers of condensed-phase chemistry with a general reactive machine learning potential. Nat. Chem. (2024)
DOI: 10.1038/s41557-023-01427-3
https://www.nature.com/articles/s41557-023-01427-3