Benchmarking Universal Machine Learning Force Fields for Crystal Structure Prediction of High-Energy Molecular Systems
본 연구는 고에너지 분자 시스템의 결정 구조를 예측하는 데 있어 범용 머신러닝 포스 필드(MACE, MACE-OFF, UMA)의 신뢰성을 평가하며, 직접적인 적용이 높은 성공률을 보이는 반면 이러한 모델들을 고전적 포스 필드 사전 완화(pre-relaxation)와 결합하는 것이 실패를 체계적으로 줄여준다는 점과 MACE-OFF가 구조적 충실도와 계산 효율성 사이의 균형을 맞추는 데 최적의 선택임을 입증한다.