近日，渤海大學物理科學與技術學院樊哲勇教授團隊與國內外多家科研單位合作，在國際著名期刊《Nature Communications》發表了題為“General-purpose machine-learned potential for 16 elemental metals and their alloys”的研究論文。該研究在通用機器學習勢函數的開發與應用方面取得了重大突破。樊哲勇教授擔任論文的主要通訊作者。該研究得到了來自多個國家和地區頂尖科研機構的合作支持，包括北京科技大學、湖南大學、阿爾托大學、查爾姆斯理工大學、南京大學、喬治·華盛頓大學、香港中文大學、特拉維夫大學、浙江大學、南京航空航天大學、香港大學、哈爾濱工業大學以及拉夫堡大學。
該工作在樊哲勇教授2021年提出的神經演化勢函數（NEP）的基礎上進一步拓展，提出了第四個NEP版本（NEP4），顯著提高了NEP勢函數對多元素體系的描述能力，并極大地提高了訓練效率。該研究提出了一個創新性思路，即僅用一元和二元物質訓練，即可準確預測三元及更多元的物質?；谶@一想法，僅用10萬訓練結構就得到了一個適用于16種金屬單質及其任意化合物的通用機器學習勢函數。該勢函數被命名為UNEP-v1，意為第一個版本的統一NEP勢函數。樊哲勇教授團隊與合作者們正在緊張開發未來版本的UNEP，期望取得更高水平的研究成果。
該論文的發表標志著渤海大學在國際前沿領域的探索與國際科研合作中邁出了堅實步伐，進一步提升了學校在人工智能與材料科學交叉領域的學術影響力，為未來更多高水平科研成果的產出奠定了基礎。（作者：董海寬 編輯：趙菁）
