Accurate global machine learning force fields for molecules with hundreds of atoms

Artículo académico que presenta el desarrollo de un enfoque iterativo preciso para entrenar campos de fuerza (FF) de aprendizaje automático de dominio de gradiente simétrico global (sGDML) para varios cientos de átomos, sin recurrir a aproximaciones potencialmente incontroladas. Todos los grados de libertad atómicos permanecen correlacionados en el FF sGDML global, lo que permite la descripción precisa de moléculas y materiales complejos que presentan fenómenos con longitudes de correlación características de gran alcance.