嵌入原子神经网络方法的发展

夏俊凡1,2, 冯超强2,3, 张耀龙4, 蒋彬1,2 （1.中国科学技术大学精准智能化学全国重点实验室；2.中国科学技术大学化学与材料科学学院化学物理系；3.中国科学技术大学合肥微尺度物质科学国家研究中心；4.新墨西哥大学化学与化学生物系）

摘要：近年来, 原子神经网络势函数以及性质表达的方法迅速发展, 并广泛应用于化学、物理和材料科学等诸多领域的原子级别模拟中. 其中, 嵌入原子神经网络方法是受嵌入原子方法力场的物理形式所启发, 结合机器学习发展的一系列高效率的原子神经网络方法. 本文介绍了嵌入原子神经网络系列方法开发和应用的最新进展, 并在最后展望了未来机器学习势函数开发和应用中面临的挑战和机遇.

关键词：机器学习势, 神经网络, 嵌入原子神经网络, 消息传递神经网络, 化学动力学