arXiv论文：无约束原子间势学习存在指数级理论极限

2026年10月15日，AGI Hunt 报道了 arXiv 论文 2610.15078，该研究探讨机器学习原子间势（MLIP）的理论极限。论文发现，在无约束假设类下，预测误差与采样精度的关系呈指数级病态，即便经过学习，学到的分布与目标分布之间的总变差距离仍可能接近最大值。论文进一步给出两种失败机制：其一是动力学陷阱，需要指数级长的弛豫时间才能到达准确的学习平衡态；其二是平衡失配，使学习到的平稳分布与目标分布相距甚远。论文同时给出了能够保证平衡精度的全局能量控制条件。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。