Cross-Geometry Transferability Assessment of Universal Machine Learning Interatomic Potentials: From Bulk Materials to Atomic Nanowires
本研究评估了预训练机器学习原子间势函数在 中的跨几何结构可迁移性,结果表明,虽然微调的效果优于从头开始训练,但零样本模型在低配位纳米结构中会出现显著的性能退化,且平均误差指标无法可靠地预测特定物理性能的表现,因此需要多样化的几何数据和独立的物理验证来实现稳健的适配。