arXiv · Materials Science· Michele Giovanni Bianchi, Michele Re Fiorentin, Francesca Risplendi, Candido Fabrizio Pirri, Michele Parrinello, Luigi Bonati, Giancarlo Cicero·· 4 小时前
TRECI通过迁移学习构建恒电势金属-水界面机器学习力场
Electrified Metal-Water Interfaces at Constant Potential: Data-Efficient Transfer Learning for Machine-Learning-Based Molecular Dynamics
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：Michele Giovanni Bianchi, Michele Re Fiorentin, Francesca Risplendi, Candido Fabrizio Pirri, Michele Parrinello, Luigi Bonati, Giancarlo Cicero
期刊信息（来源提供）：eScience, 100642 (2026)
研究任务与主要进展
基于论文摘要，作者提出TRECI工作流，利用通用模型和领域特定模型的迁移学习，以较少参考配置构建用于恒电势电化学分子动力学的机器学习力场。该方法应用于Cu(111)-水界面时，作者报告使用一千个配置即可获得准确且稳定的分子动力学模拟，并捕捉到此前未报道的电势依赖溶剂重排效应；具体基线、资源成本和验证细节未在摘要中说明。
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