神经网络势能已被评选为“2024年度IUPAC化学领域十大新兴技术”之一。IUPAC全称为国际纯粹与应用化学联合会，是全球最大、最具权威性的化学组织，也是国际科学理事会（ISC）的成员组织。IUPAC自2019年起每年发布“十大新兴技术”，希望在全世界范围内遴选出能够改变当前全球化学与工业界格局的潜力创新技术，以推动实现联合国可持续发展目标。
　　神经网络势能又称神经网络势，简称NNPs，是一类利用机器学习技术从量子化学数据中学习分子间相互作用的模型。
　　神经网络势能可以捕捉到更复杂的相互作用模式，与传统势能模型相比，具有计算效率较高、预测误差小、灵活性高、精度高、可靠性强等优势。神经网络势能具有创新性，在地球科学、材料科学、药物开发、分子模拟、化学反应机理研究等领域具有巨大开发潜力。
　　神经网络势能的构建分为多个步骤，涉及到初始结构的选择或设计、批量结构生成及训练、密度泛函理论（DFT）计算、机器学习模型训练、机器学习势（MLP）模型开发、MD模拟等。通过机器学习优化的神经网络势能，在准确性、计算成本、计算效率等方面具有明显优势。
　　机器学习是一种高新技术，集合了多门学科于一体。近年来，机器学习技术发展迅速，在汽车、零售、家居、医疗、教育、工业等领域应用越来越广泛，2023年，我国机器学习开发平台市场规模超过35亿元。机器学习技术发展，为神经网络势能构建奠定了技术基础。
　　神经网络势能可分为第一代神经网络势能（1995年提出）、第二代神经网络势能（2007年提出）、第三代神经网络势能、第四代神经网络势能。第三代神经网络势能是在第二代的基础上增加了对原子电荷的预测，局限性是其忽略了长距电荷转移，第四代神经网络势能解决了第三代的局限性，能更好地重现DFT的电荷预测，预测误差更小。
　　神经网络势能概念虽简单，却具创新性，具有加速新物质发现和开发过程的潜力，在材料设计、药物开发、地球科学、分子模拟等领域应用空间广阔。目前神经网络势能已积累了一定的研究成果和应用经验，机器学习技术的发展使其实用性进一步增强，未来随着相关问题得到解决，神经网络势能将得到更广泛应用。