Benchmarking Universal Machine Learning Force Fields for Crystal Structure Prediction of High-Energy Molecular Systems
Este estudio evalúa la fiabilidad de los campos de fuerza de aprendizaje automático universales (MACE, MACE-OFF y UMA) para predecir estructuras cristalinas de sistemas moleculares de alta energía, demostrando que si bien la aplicación directa muestra un alto éxito, la combinación de estos modelos con una pre-relajación de campo de fuerza clásico reduce sistemáticamente los fallos e identifica a MACE-OFF como la opción óptima para equilibrar la fidelidad estructural y la eficiencia computacional.