基于局部原子环境的差分向量数据高效机器学习势能
机器学习
2025-06-03 v2 原子物理
摘要
构建高效且多样化的数据集是开发准确机器学习势能（MLP）的关键。然而，现有方法常 suffer 数据冗余和高计算成本。本文提出一种新方法——基于局部原子环境的差分向量（Difference Vectors based on Local Atomic Environments, DV-LAE）——通过直方图基方法编码结构差异，并借助 t-SNE 降维实现可视化分析。该方法实现了冗余检测和数据集优化，同时保持结构多样性。我们在包括高压氢、铁-氢二元体、镁氢化物及碳全形态在内的多种材料系统中表明，DV-LAE 可显著缩小数据集规模和训练时间，仅在预测精度上有所妥协。例如，在 -Fe/H 系统中，维持高度相似的 MLP 精度，数据集规模缩减 56%，每次迭代的训练时间下降超过 50%。此外，我们展示了通过可视化 DV-LAE 表示来识别分布外数据（通过高误差预测点的空间分布），为新结构在模拟中的可靠性提供了稳健的指标。我们的结果表明，局部环境可视化不仅是可解释性工具，更是加速 MLP 开发、确保大规模原子模型数据效率的实用手段。
引用
@article{arxiv.2501.16398,
title = {Data-Efficient Machine Learning Potentials via Difference Vectors Based on Local Atomic Environments},
author = {Xuqiang Shao and Yuqi Zhang and Di Zhang and Zhaoyan Dong and Tianxiang Gao and Mingzhe Li and Xinyuan Liu and Zhiran Gan and Fanshun Meng and Lingcai Kong and Zhengyang Gao and Hao Lic and Weijie Yangd},
journal= {arXiv preprint arXiv:2501.16398},
year = {2025}
}