西浦生命与自然科学学院 
参会链接 主题一
ReactBench：机器学习原子间势基础模型在化学反应中的性能评估
简介
随着机器学习原子间势（MLIPs）在原子尺度模拟中的广泛应用，如何评估其在实际任务中的可靠性，已成为预测精度之外的重要问题。本报告将介绍面向化学反应的基准测试体系 ReactBench，用于评估机器学习原子间势基础模型在反应模拟中的表现。ReactBench 收录了 5,315 个均相与非均相反应，围绕静态反应路径的能量计算、反应路径优化及反应动力学模拟三类任务，对 12 种基础模型进行了评测。这一体系将评估从静态能量预测拓展至实际反应模拟，有助于揭示现有模型的局限，并为更可靠的模型开发提供依据。
主题二
基于机器学习的液体体系粗粒化力场
简介
液体体系的分子动力学模拟需要兼具精度与效率的力场。基于机器学习的粗粒化力场直接从模拟数据中学习平均力势，有望两者兼得。本报告介绍机器学习力场的物理基础——对称性、局域性与等变性，并阐释等变性在粗粒化层面为何尤为关键：此时多体相互作用即势能本身。我们围绕So3krate、NEP这两种模型回答三个问题：如何表示多体相互作用、能否捕捉相分离、如何避免对固有噪声的过拟合。
分享此活动
