本文章为原创，版权归作者刘锦程所有，文章转载请先取得作者的同意，非常欢迎转发文章链接！严禁以任何方式挪用本文内容，用于以盈利为目的各种活动。
VASP6最近即将发布，虽然新功能和源码并没有公开，但是有些课题组已经提前拿到了试用版VASP6程序，vaspwiki网站也更新了VASP6的新功能手册。其中一大部分更新内容都是关于机器学习的。Georg Kresse教授的刚刚发表的文章已经透露了VASP6关于机器学习的新方法： Phys. Rev. B 100, 014105；Phys. Rev. Lett. 122, 225701。
运用贝叶斯线性回归法在分子动力学模拟过程中即时拟合力场参数，On-the-fly machine learning force field generation using Bayesian linear regression，所谓的On-the-fly就是 ’实时‘ 的意思。
传统机器学习处理都是先搞一些训练集/测试集反复的把参数训练好，然后再去应用到类似的体系，这样实际的应用价值比较低，因为训练这一步就消耗了大量资源和时间，等一个体系都训练好了，其实所用的训练集已经足够把该体系研究清楚了。而On-the-fly的好处就是不用事前的进行训练，在跑AIMD的过程中，程序就不断的拿到一些可以用作训练的数据，然后在一边跑AIMD的过程中就一边训练力场参数，当程序认为力场参数已经训练的足够精确了，就不用再做第一性原理的计算，直接用力场跑MD，跑一段时间之后，体系的几何结构又发生了明显的变化，原来训练好的力场不再精确了，就要切换回AIMD，继续产出训练集进行训练。所以就在AIMD和经典MD之间来回的切换中，仍可以达到纯AIMD的计算效果和精度，在研究材料相变，晶体熔化等复杂过程中取得了巨大的成功。可以将AIMD的运算时长提升几十倍甚至上百倍。
Georg Kresse课题组把该功能集成到了VASP6里，从此实用机器学习方法将逐渐的在材料计算科学领域发展起来。
转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。