研究前沿：字节跳动，液体电解质-机器学习力场 | Nature Machine Intelligence

本文介绍了字节跳动人工智能研究团队在Nature Machine Intelligence上发表的关于机器学习力场（MLFFs）应用于液体电解质模拟的研究。研究背景是当前机器学习力场在固体和小分子中应用广泛，但在液体电解质模拟方面仍有显著差距。研究目的是开发一个名为BAMBOO的预测框架，用于分子动力学模拟，并展示其在锂电池液体电解质方面的能力。研究采用了物理学仿生图形等变transformer架构和系综知识提取方法，以减少模拟中的波动。研究结论表明，BAMBOO在预测电解质性质（如密度、粘度和离子电导率）方面表现出最先进的准确性，平均密度误差达到0.01gcm-3。