Overcoming sampling limitations using machine-learned interatomic potentials: the case of water-in-salt electrolytes
该研究评估了多种 MACE 机器学习势函数在模拟高浓度“盐包水”电解质中的性能,证明通过微调基础模型不仅能克服传统第一性原理分子动力学在采样时间和效率上的局限,还能准确捕捉难以采样的构型(如短 Li-Li 距离)并与实验观测值高度吻合,同时指出需审慎选择参考泛函以避免经验色散校正带来的负面影响。