化学与材料仿真的基础模型
化学物理
2025-06-25 v3
摘要
鉴于大型语言模型和大型视觉模型的强大功能，是否可能基于数据和参数比例规律以及预训练策略为化学与材料仿真构建基础模型，是一个深刻且根本性的研究问题。化学与材料科学的大规模且多样化的数据集以及高度表达的架构，应该会导致一个更高效、更广泛可迁移、对超出分布的挑战更稳健，并且容易微调到化学与材料仿真中各种下游可观测量的基础模型。本篇Perspective旨在涵盖快速发展的机器学习原子势（MLIP）领域，并说明在更大规模下创建化学与材料MLIP基础模型的路径。
引用
@article{arxiv.2503.10538,
title = {Foundation Models for Atomistic Simulation of Chemistry and Materials},
author = {Eric C. -Y. Yuan and Yunsheng Liu and Junmin Chen and Peichen Zhong and Sanjeev Raja and Tobias Kreiman and Santiago Vargas and Wenbin Xu and Martin Head-Gordon and Chao Yang and Samuel M. Blau and Bingqing Cheng and Aditi Krishnapriyan and Teresa Head-Gordon},
journal= {arXiv preprint arXiv:2503.10538},
year = {2025}
}