在分子动力学模拟中，力场被用于描述原子之间的相互作用。近年来，随着机器学习的发展，由更精确的量子力学计算结果拟合而得的机器学习力场在材料科学、分子模拟和药物发现等领域取得了越来越多的科研成果。
为了更好地探索这一交叉领域的潜力，在之前数周里，我们推出了“聚焦机器学习”系列，整理了VASP中的机器学习力场（MLFF）以及MedeA软件中机器学习力场生成器（MLPG）的理论背景，以及它们在化学领域的应用案例。
MLFF
VASP6版本推出的一个重要的功能——MLFF能够解决从头算分子动力学（AIMD）耗时相对较长的问题，借助机器学习力场大幅加速分子动力学模拟。该方法属于核支持向量机（SVM），将线性核函数引入支持向量机，用核运算替代原始支持向量机中的向量点积运算，经过训练集、描述符、势能面三个步骤得到机器学习力场。
具体理论背景请点击下方标题跳转原文查看详情：
聚焦机器学习 | 科普：VASP中实时机器学习力场的理论背景
采用MLFF加速后的AIMD，训练和计算效率显著提高，能进行更长时间、准确的模拟，最终帮助预测、理解实验上的微观动力学过程，在催化、锂电、金属、半导体领域的有广泛的应用。
更多案例请点击下方标题跳转原文查看详情：
聚焦机器学习 | 最新案例：分子筛催化、固态电解质、表面重构、半导体缺陷
MLFF常见问题Q&A请点击下方标题跳转原文查看详情：
MLPG
MedeA中的MLPG模块能够从由量子力学计算生成的训练集出发，借助以下几种模型创建自己的机器学习势函数：
神经网络（NN）
光谱邻域分析势（SNAP）
原子簇扩展（ACE）
不同于限于VASP中进行训练和使用的MLFF，以上这些机器学习模型训练的势函数/力场可以应用于LAMMPS等分子动力学模拟软件，在提升计算速度之余保持和DFT可比的精确度。
具体理论背景请点击下方标题跳转原文查看详情：
MLPG能应用在金属，无机，有机材料中，近几年发表了大量高分SCI论文。更多案例请点击下方标题跳转原文查看详情：
MLPG常见问题Q&A请点击下方标题跳转原文查看详情：
MLFF和MLPG异同
关于MedeA软件
MedeA平台软件由Materials Design®公司开发，致力于多尺度材料设计模拟及性质预测，将VASP、LAMMPS、GIBBS等计算引擎整合其中，不但实现了多尺度计算功能无缝整合，而且提供了强大的数据库、友好的建模工具和简单易上手的操作界面。此外还可进行高通量计算，以及机器学习力场的训练和应用。
欢迎试用MedeA软件！
MedeA试用
关注源资科技VASP公众号，回复“试用”
填写试用申请表，工作人员将会尽快与您联系。
-end-
源资科技VASP媒体平台
