论文
EquiFiLM：通过逐特征线性调制构建电荷条件等变力场
EquiFiLM: Charge-Conditioned Equivariant Force Fields via Feature-wise Linear Modulation
摘要
MACE-MP-0和UMA等机器学习力场基础模型可在广泛化学空间达到接近密度泛函理论DFT的精度，但假设平衡基态，不能原生处理充电、外加场或电子激发等电子态变化。EquiFiLM通过逐层特征线性调制FiLM，为任意等变力场基础模型增加连续外部条件，用少量训练数据学习外部驱动的势能面变化。模块仅调制标量通道，严格保留E(3)等变性。在带电液态水上，以MACE-MatPES为骨干得到E-MACE。在四种训练电荷条件下，相比同数据训练且不含EquiFiLM的基线，力RMSE从21.3降至6.96 meV/Å，约降低3.1倍；每原子能量RMSE从6.1降至0.1 meV，约降低61倍，推理成本几乎相同。在七种留出的插值与外推电荷条件下，力RMSE为18–61 meV/Å，能量RMSE为0.7–5.4 meV/原子。模型在全部测试范围内维持稳定分子动力学，并预测超快电子衍射探测的约化对分布函数第一配位壳层的电荷依赖响应。增加该条件轴仅需数千个DFT标注帧，而从头训练电荷感知基础模型需要约一亿个结构。该方法不依赖特定骨干或条件，无需架构修改即可用于带标量交互层通道的等变力场。