机器学习势构建与主动学习

面向 H/Pt 多相催化动力学的反应性贝叶斯力场主动学习

提出在分子动力学过程中“即时”主动学习、训练反应性多体力场的贝叶斯框架：每一步用稀疏高斯过程的预测不确定性判断是否需要补充第一性原理数据，并把训练好的核模型映射为预测代价更低、且与训练集规模无关的等价多项式模型。以 Pt(111) 表面的两相 H₂ 周转反应为例，模型约三天完成自训练，速度约为 ReaxFF 的两倍，对 DFT 的保真度更高，并与实验符合良好。