機器學習勢能，特別是神經進化勢能 (NEP)，為預測材料的結構和熱力學性質提供了高效且準確的方法，為超級離子導體等複雜系統的模擬開闢了新的可能性。
本文提出了一種新的機器學習原子間勢能框架，通過結合等變圖神經網路的短程勢能和可極化長程交互作用，顯著提高了機器學習勢能的預測能力，並成功應用於材料科學和化學模擬的各個領域。
