机器学习力场培训：数据采集、力场构建、机器学习原子势、力场、n2p2、神经网络力场、图神经网络、SchNet、模型预测等！

背景：传统分子动力学模拟依赖经验势函数或量子力学计算，存在精度与效率难以兼顾的问题。研究目的：机器学习力场通过从量子力学数据中学习势能面，旨在实现计算精度与效率的平衡，为材料设计和生物分子分析等领域提供技术支持。结论：机器学习力场能显著提升计算速度并捕捉复杂原子相互作用，但学习门槛较高，需掌握量子化学、分子动力学及机器学习等多学科知识。