超越规模：通用机器学习离子势的化学直觉作为涌现能力
材料科学
2025-06-10 v1
摘要
机器学习离子势 (MLIPs) 已成功展示了尺度效应，即训练性能的幂律改进，但规模下涌现新能力的现象仍未探索。我们开发了 Edge-wise Emergent Decomposition (E3D) 框架，以 investigates (sic) MLIP 在无显式监督的情况下发展出派生化学键的物理有意义局部表征的能力。采用 E(3) 等变网络 (Allegro) 训练于分子数据 (SPICE~2) 上，我们发现经过训练的 MLIP 会自主学习分子键解离能 (BDE) 的表征，通过分解全局势能景观来实现。这一学习到的 BDE 值与文献值定量一致，其尺度性跨越 diverse 训练数据集保持稳健，表明存在一种捕获化学反应的内在表征，能够忠实地再现给定训练信息之外的化学反应。我们的 E3D 分析利用 Shannon 熵揭示了势能学习的可分解性、学习的尺度性以及涌现化学活性性之间的密切相互作用，从而为理解规模限制的路径以及通往更具物理可解释性和可预测性模拟提供了新视角。
引用
@article{arxiv.2506.07579,
title = {Beyond Scaling: Chemical Intuition as Emergent Ability of Universal Machine Learning Interatomic Potentials},
author = {Shinnosuke Hattori and Kohei Shimamura and Aiichiro Nakano and Rajiv K. Kalia and Priya Vashishta and Ken-ichi Nomura},
journal= {arXiv preprint arXiv:2506.07579},
year = {2025}
}
备注
12 pages, 5 figures,