通用势评估与微调

面向预训练通用机器学习原子间势的遗忘感知高效微调框架

针对通用机器学习势微调时常见的灾难性遗忘，提出把经验回放与弹性权重巩固相结合的 reEWC 策略。以硫化物固态电解质 Li₆PS₅Cl 为微调目标，该方法提高了预训练势的精度，缓解势能面偏软和锂扩散被高估的问题，同时保持通用性，并可将知识迁移到其他硫化物、氧化物、氮化物和卤化物电解质。与单独使用经验回放或 EWC 相比，reEWC 具有协同优势，为通用势的持续学习提供了可行方案。