ORION：统一自顶向下与自底向上的化学空间采样以构建通用有机力场
化学物理
2026-04-08 v1 材料科学
摘要
经验力场仍然是大规模分子模拟的主要工具，但其有限的灵活性和可迁移性常常阻碍在化学复杂的凝聚相系统中的预测建模。在这里，我们介绍了 ORION，一个基于神经演化势（NEP）框架开发的、适用于 C、H、O、N、S 和 P 系统的通用机器学习力场。为了增强在多样化化学环境中的可迁移性，ORION 在一个通过整合自顶向下和自底向上策略构建的化学丰富数据集上进行训练，能够准确描述复杂的有机构型、反应中间体和弱分子间相互作用。ORION 在保持密度泛函理论精度的同时保留了进行大规模分子动力学模拟所需的效率。在测试集上，它在相同硬件条件下预测原子力的准确度远高于 ReaxFF，同时速度快 215.5 倍，使得数百纳秒时间尺度的模拟变得易于实现。该模型对键的断裂与形成、芳香族生长、氢键、范德华相互作用和 π 堆积提供了均衡的描述，展示了在反应性和非反应性系统中均具有很强的可迁移性。这些结果确立了 ORION 作为化学和材料科学中预测模拟的实用且通用的力场，并为实现兼具高精度和广泛适用性的通用机器学习力场提供了一条有效途径。
引用
@article{arxiv.2604.05769,
title = {ORION: Unifying Top-Down and Bottom-Up Chemical Space Sampling for a Universal Organic Force Field},
author = {Zherui Chen and Jiayu Zhang and Yuxuan Tian and Zhoulin Liu and Sining Dai and Yanghui Li and Cong Chen and Dingyuan Tang and Yajun Deng and Qingxia Liu},
journal= {arXiv preprint arXiv:2604.05769},
year = {2026}
}