5.3 非绝热分子动力学
参考官网：
https://www.vasp.at/wiki/index.php/Machine_learning_force_field_calculations:_Basics
https://www.vasp.at/wiki/index.php/Best_practices_for_machine-learned_force_fields
https://www.vasp.at/wiki/index.php/Machine_learning_force_field:_Theory
Hefei-NAMD
on-the-fly训练是基于分子动力学(MD)模拟来采样训练结构。逐步自动组装数据集，并在可行时用于生成MLFF。相反，在每个时间步骤中，当前力场预测能量、力和相应的贝叶斯误差估计。简单来说，如果误差超过一定阈值，将执行另一个从头开始的计算，并将参考能量和力添加到训练数据集中。相反的情况下，从头开始的步骤将被省略，系统将通过MLFF预测进行传播。随着轨迹上力场的改善，许多从头开始的步骤可以被避免，MD模拟将显著加速。最终，现场训练会产生一个准备投入生产的MLFF，即以预测模式运行MD模拟。以下步骤概述了从开始到生产运行的路径：