使用VASP的on-the-fly机器学习力场MD模拟，拟合误差不稳定

M9JS

新人发问，在使用vasp 6.4.1的on-the-fly机器学习力场MD模拟质子在固态VO2的扩散过程中，发现机器学习力场拟合日志能量的拟合误差还比较稳定，但是对力的拟合误差随着步数增长很大。不知道具体是什么原因，是因为INCAR里有什么设置不对吗。

下面是用vasp wiki里给出的脚本绘制的误差随着模拟步数变化的图，ERR是力的真实误差(real error)，BEEF是力的贝叶斯误差(Bayesian errors)，CTIFOR是拟合的阈值(threshold)




根据vasp wiki的说法，BEEF的值应该一直低于ERR的值，但是不知道为什么从60步左右过后开始BEEF突然增大若干个数量级并呈现出不稳定的趋势

From the plot one can see that the Bayesian errors are always smaller than the real errors. Bayesian inference catches errors in the data well but still retains an error in the probability model.

下图是我自己根据ML_LOGFILE（输出文件中机器学习力场的训练日志）中的误差绘制的图。明显看到在20步左右vasp开始调用学习力场进行MD模拟，但是在60步左右重新调用DFT计算进行校正时，力的误差突然增大


模拟的轨迹文件我看了，结构变化没什么特别大的问题，在VO2框架保持稳定，质子扩散，不知道误差这个具体是怎么回事，有没有做过类似计算的大佬解答一下，不胜感激。

M9JS

这些是计算使用的输入文件