将第一性原理精度蒸馏至紧凑机器学习势：凝聚态化学高效采样的新范式
本文深入解析了利用迁移学习与知识蒸馏构建紧凑型机器学习分子间作用势（MLIPs）的最新研究，展示了其在冰、液态水以及二氧化钛/水界面反应中实现十倍加速并保持高精度的应用潜力。
机器学习势函数
钴铁氧体 (CoFe2O4) 磁行为的多尺度计算研究：从第一性原理到器件级仿真深度解析
本文深度解析了钴铁氧体磁特性的多尺度计算框架，涵盖从 DFT+U 电子结构计算到原子尺度自旋动力学及微磁学模拟的全过程，揭示了其在自旋电子学与生物医学中的应用潜力。
秒级计算阿司匹林量子非谐振能量：基于机器学习势函数的 VPT2 方法深度解析
本文深度解析了 Joel M. Bowman 课题组的最新工作，探讨如何利用机器学习势（MLP）在笔记本电脑上于一分钟内完成 21 原子阿司匹林的量子非谐振振动分析，打破了传统 ab initio VPT2 计算的尺寸壁垒。
SMC-AI：在 AI 加速器上实现四万亿原子规模的蒙特卡洛模拟深度解析
本文深度解析了 SMC-AI 框架，该框架通过针对 AI 加速器（如 NPU 和 GPU）的算法重构，成功将蒙特卡洛模拟扩展至 4 万亿原子规模，刷新了 ML 辅助原子模拟的世界纪录。