Benchmarking Universal Machine Learning Force Fields for Crystal Structure Prediction of High-Energy Molecular Systems
Questo studio valuta l'affidabilità dei campi di forza universali basati sull'apprendimento automatico (MACE, MACE-OFF e UMA) per la previsione di strutture cristalline di sistemi molecolari ad alta energia, dimostrando che, sebbene l'applicazione diretta mostri un alto successo, l'integrazione di questi modelli con il pre-rilassamento tramite campi di forza classici riduce sistematicamente i fallimenti e identifica MACE-OFF come la scelta ottimale per bilanciare fedeltà strutturale ed efficienza computazionale.