9.2.1 机器学习力场 (Machine Learning Force Fields) 的集成

文档摘要

9.2.1 机器学习力场 (Machine Learning Force Fields) 的集成在分子模拟的浩瀚星图中，力场（Force Field）是那根看不见却无处不在的引力绳索——它牵引着原子的运动轨迹，定义着化学键的伸缩频率，约束着分子构象的跃迁路径。过去三十年里，经典力场如AMBER、CHARMM、OPLS以解析函数为笔、经验参数为墨，在蛋白质折叠、药物结合、材料弛豫等场景中写下了恢弘篇章。但它们终究是“经验的折衷”：当电子云发生显著极化、电荷转移不可忽略、或过渡态附近势能面剧烈起伏时，这些固定形式的函数便如穿旧了的靴子，既不合脚，更会绊倒——模拟结果在关键区域出现毫电子伏特量级的偏差，却足以让自由能计算偏离2–3 kcal/mol，彻底颠覆配体亲和力排序。