Yidong Huang

不同泛函算出的形成能长期无法直接合并，MatPES中同一结构在PBE与r2SCAN下的平均差达107 meV/atom。研究者用38万余条结构配对的PBE–r2SCAN数据训练图神经网络，直接预测两种泛函之间的能量残差，把PBE形成能校正到r2SCAN能标。以GPTFF为骨干的模型在留出测试集上平均绝对误差为14.3 meV/atom，低于CHGNet的18.2 meV/atom。

不同泛函算出的形成能长期无法直接合并，MatPES中同一结构在PBE与r2SCAN下的平均差达107 meV/atom。研究者用38万余条结构配对的PBE–r2SCAN数据训练图神经网络，直接预测两种泛函之间的能量残差，把PBE形成能校正到r2SCAN能标。以GPTFF为骨干的模型在留出测试集上平均绝对误差为14.3 meV/atom，低于CHGNet的18.2 meV/atom。