机器学习势能能否超越训练它的方法？新论文给出肯定答案
PavloDral · x · 2026-10-20
Dral 组在 arXiv 发布 Perspective 论文（arXiv:2610.18027），挑战「机器学习势能（MLP）精度受限于训练方法」的共识：
- 核心主张：MLP 可以通过泛化到第三个空间——量子化学方法空间——无经验参数地超越训练方法本身，即「方法可迁移 MLP」（method-transferable MLPs）
- 实证：在密度泛函和波函数两类理论中均有可用实现，预测未见过的的方法时精度可超过任何单一训练方法
- 引申：即使方法可迁移 MLP 仍不如某些高精度 QM 方法，这一思路也能让通用 MLP 比单方法模型更准
- 影响：将改变训练数据集构建与模型评估方式，推高化学模拟的精度上限
对计算化学 + ML 方向的研究者值得一读。
「研究」频道最新
- Xaira 发布 X-Scientist:AI 找药靶点比人工快 10 倍 — saurabh_shah2 · 2026-10-23
- IFM 开源 RL360:8192 并发沙箱、130 万 rollouts 的 RL 基建 — rupspace · 2026-10-23
- 号称匹敌 GPT-6.1 的 DNA 模型遭实测打脸：10 例 8 例不如随机 — anshulkundaje · 2026-10-23
- AI 揭穿阴谋论研究风波落幕：Science 撤回关注声明，结论不变 — DG_Rand · 2026-10-23
- Embodied First Exam：一行代码在 44 台机器人上考你的 Agent — ManlingLi_ · 2026-10-23
- Anima Anandkumar 演讲：AI 气象模型胜超算，但不会取代科学家 — AnimaAnandkumar · 2026-10-23