原子级机器学习生态系统的战略路线图
A strategic roadmap for an atomistic machine-learning ecosystem
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：J\"org Behler, Michele Ceriotti, Cecilia Clementi, G\'abor Cs\'anyi, Alin-Marin Elena, Aditi Krishnapriyan, Joseph W. Abbott, Fabio Affinito, Albert P. Bart\'ok, Ilyes Batatia, Filippo Bigi, Florian N. Br\"unig, Yannick Calvino Alonso, Giuseppe Carleo, Aur\'elie Champagne, Stefan Chmiela, Marc L. Descoteaux, Ralf Drautz, Alexandra Farcas, Meng Gao, Rohit Goswami, Michael F. Herbst, Christian Holm, James R. Kermode, Alexander L. M. Knoll, Tobias Kreiman, Marcel F. Langer, Hoang-Thien Luu, Yury Lysogorskiy, Mihai-Cosmin Marinica, Rocco Meli, Klaus-Robert M\"uller, Frank No\'e, Mohamadhosein Nosratjoo, Simon Olsson, Christoph Ortner, Aldo S. Pasos-Trejo, Anyang Peng, Eric Qu, Andrea Rizzi, Mariana Rossi, Bassem Sboui, Gregor N. C. Simm, Alexandre Tkatchenko, Jacopo Venturin, O. Anatole von Lilienfeld, William C. Witt, Brandon M. Wood, Tigany Zarrouk, Fabian Zills
2026年1月，多个社区的成员在洛桑CECAM会面，讨论原子尺度模拟中AI应用的算法、模型、软硬件基础设施及最有前景的科学应用。这篇战略路线图论文总结了讨论成果，提出长期目标和具体行动，以建立健康、可持续且有影响力的原子级机器学习生态系统，涵盖数据中心与物理建模路线选择、软件栈适配现代硬件加速器等挑战。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · Materials Science · arxiv.org