LLPR筛选机器学习力场数据以减少标签需求

Sheng Bi、Yi-Ze Wang、Jun Cheng提出基于末层投影回归（LLPR）的主动学习流程，用于筛选机器学习力场（MLFF）的训练和微调数据；研究称，该流程以较少电子结构标签恢复全数据精度。 研究在分子、凝聚相和电解质体系中测试了该方法，并称其在基础模型微调时用更少标签接近实际微调上限。在电解质迭代微调中，LLPR还提前发现不合理的局部配位，并复现参考密度与 Li–O 配位结构。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。