高精度消息传递机器学习力场HotPP

近日，南京大学物理学院孙建教授、王慧田教授、邢定钰院士等人，发布了他们自主开发的机器学习力场：高阶张量消息传递原子间势函数（HotPP），这是一种E(n)等变的消息传递神经网络，能够将节点嵌入和消息中的笛卡尔张量扩展到任意阶。对多个数据集的测试显示，HotPP力场不仅在预测目标性质如能量和力等方面表现优异，精度比肩世界最高水平，还提供了与ASE和Lammps等常用软件的接口，可以用于计算声子谱、红外谱和拉曼谱等，展示了其在未来科学研究中的巨大潜力。
相关研究成果以“E(n)-Equivariant cartesian tensor message passing interatomic potential”为题，于近日发表在Nature Communications上[Nat. Commun. 15, 7607 (2024) https://doi.org/10.1038/s41467-024-51886-6]。南京大学物理学院孙建教授课题组博士后王俊杰与普林斯顿大学化学系Roberto Car课题组博士后王勇（孙建教授课题组博士毕业）为该论文的共同第一作者，孙建教授为通讯作者，南京大学物理学院邢定钰院士和王慧田教授提供了重要指导，合作者还包括孙建教授课题组的学生张皓庭（2024年6月本科毕业）、杨子洋、梁智新、施九洋。该项研究得到了南京微结构科学与技术协同创新中心、固体微结构物理国家重点实验室和江苏省物理科学研究中心的支持，得到了国家自然科学基金委杰出青年基金、江苏省基础研究项目、江苏省卓越博士后计划、中央高校基本业务费、南京大学卓越研究计划、南京大学AIQ津贴项目等经费的资助。相关计算工作主要在南京微结构协同创新中心高性能计算中心和南京大学高性能计算中心的超级计算机上进行。