跳到正文
arXiv · ML· Sheng Bi, Yi-Ze Wang, Jun Cheng·· 24 天前AI 评分28

LLPR实现机器学习力场训练微调的少标注高准确率

Full-data accuracy with fewer labels for training and fine-tuning machine-learning force fields

AI 导读

LLPR回归法作为前向传播廉价的逐构型不确定性估计器,能在分子、凝聚态及电解质体系中识别紧凑高价值训练集。 该方法仅用少量电子结构标签即可恢复全数据准确率,在基模型微调中以远少于随机选择的标签逼近实用上限,并在迭代电解质微调中检测非物理局部配位。 这为机器学习力场训练各阶段提供了可扩展的不确定性量化策略。

来源:arXiv · ML · arxiv.org