加利福利亚大学圣迭亚戈分校 Chi Chen 等2022年发表了一个适用于元素周期表绝大部分元素，甚至部分镧系、锕系元素的通用型机器学习力场（A universal graph deep learning interatomic potential for the periodic table, Nature Computational Science, 2022, volume 2, pages718–728）。

这一种基于具有三体相互作用的图神经网络（M3GNet）的通用型原子间相互作用势，由过去十年 Materials Project 的庞大结构弛豫数据库训练得到，在不同化学空间的材料结构弛豫、动力学模拟和性能预测方面有着广泛的应用。根据该力场的能量计算筛选，从 Materials Project 的3100万个假设晶体结构中，筛选出约180万种材料，被鉴定为稳定结果材料，其中能量最低的 1578 种材料，通过密度泛函理论计算证明稳定性。

AMS材料化学计算平台2023年集成了这个势。

该力场的在安装 AMS 软件后，需要再额外补充安装，但需要license中包含ML Potential and ForceField这个模块，该模块价格与ReaxFF一致。

安装过程参考：机器学习力场的安装