Extrapolation of Machine-Learning Interatomic Potentials for Organic and Polymeric Systems
Este estudo estabelece um roteiro para a criação de Potenciais Interatômicos de Aprendizado de Máquina (MLIPs) transferíveis para sistemas macromoleculares, demonstrando que a convergência dos ambientes químicos entre conjuntos de dados de treinamento e teste, aliada a uma construção cuidadosa da lista de vizinhos, permite extrapolar com precisão a energia de polímeros a partir de moléculas menores sem a necessidade de dados de treinamento específicos do sistema.