Npj Comput. Mater.: 高效建立机器学习原子间势的美好途径：元学习

本文探讨了元学习在机器学习原子间势（MLIPs）中的应用，旨在解决传统方法在数据集创建和模型训练中的效率问题。通过元学习，研究者能够利用不同理论水平的量子力学计算数据集，快速调整模型以适应新的任务，即使数据量较少。文章展示了元学习在多个大型有机分子数据集上的预训练效果，特别是在3BPA分子原子间势模型训练中，显著提高了势函数的准确性和平滑度。这一方法不仅扩展了机器学习原子间势的可用数据多样性，还为创建现成的预训练基础模型提供了可能性。研究结果表明，元学习能够有效利用不一致的量子力学理论水平数据集，生成更适应新数据集的模型，为机器学习原子间势的拟合开辟了新途径。