基于风险控制的机器学习原子间势能 DFT 选择方法

研究人员提出一种基于共形风险控制（CRC）的框架，用于解决机器学习原子间势能（MLIP）与密度泛函理论（DFT）之间的回退选择难题。该方法利用轻量级预测器评估能量、平均力与最大力的分歧得分，并校准出阈值，确保未选配置的 MLIP 误差低于用户设定的预期误差比例 $\alpha$。