新论文：机器学习势可跨量子化学方法迁移，精度超越训练方法本身

arXiv 论文 2610.18027（Dral 等）提出 method-transferable MLP 构建路线，让机器学习势在「量子化学方法空间」上泛化，从而预测未见过的量子化学方法。该路线在密度泛函与波函数理论两类框架下均有可用实现，精度可超过任何单一训练方法，但仍不如原 QM 方法精确。作者认为这一思路有望让通用 MLP 超过单方法模型，并改变训练数据集构建与模型评估方式。