# BranchIP原子间势

作者提出 BranchIP（Branch Interatomic Potential），一个用新型蒸馏损失训练的单一模型框架，用于学习自适应的张量积计算；在异相催化体系与质子传导固体酸电解质两类物理体系实验中，它跨模型规模把等变机器学习原子间势加速至多 2.4 倍、显存降低至多 2.6 倍，同时保持物理保真度，并借由学习到的自适应计算揭示哪些相互作用需要更深计算、计算深度如何与化学复杂度和动力学相关。

作者提出 BranchIP（Branch Interatomic Potential），一个用新型蒸馏损失训练的单一模型框架，用于学习自适应的张量积计算；在异相催化体系与质子传导固体酸电解质两类物理体系实验中，它跨模型规模把等变机器学习原子间势加速至多 2.4 倍、显存降低至多 2.6 倍，同时保持物理保真度，并借由学习到的自适应计算揭示哪些相互作用需要更深计算、计算深度如何与化学复杂度和动力学相关。