OpenLAM 挑战
机器学习
2025-01-29 v1 材料科学
计算物理
摘要
受大型语言模型（LLM）成功的启发，大型原子模型（LAM）在科学计算中取得了显著发展势头。自 2022 年起，Deep Potential 团队积极进行 LAM 预训练，并启动 OpenLAM 计划，以开发覆盖周期表的开源基础模型。核心目标是为可靠的 LAM 评估建立全面基准，解决现有数据集的局限性。作为第一步，OpenLAM 晶体邮票竞赛收集了超过 1980 万个有效结构，包括 100 万个位于 OpenLAM 投影面上的结构，推动了生成式建模和材料科学应用的发展。
引用
@article{arxiv.2501.16358,
title = {The OpenLAM Challenges},
author = {Anyang Peng and Xinzijian Liu and Ming-Yu Guo and Linfeng Zhang and Han Wang},
journal= {arXiv preprint arXiv:2501.16358},
year = {2025}
}