Barocaloric phase transformation from data efficient fine-tuning of machine learned interatomic potentials
Cette étude démontre que l'ajustement fin du modèle de fondation MACE-MPA-0 sur seulement 5 à 10 configurations DFT permet à des potentiels interatomiques appris par apprentissage automatique de reproduire avec précision la transformation de phase barocalorique du sulfate d'ammonium, surmontant ainsi l'inefficacité des données liée à un entraînement à partir de zéro tout en soulignant la nécessité des corrections de dispersion et des niveaux de DFT hybrides pour une description correcte du comportement de phase.