本發(fā)明屬于計算化學和物理技術領域，具體為一種適用于機器學習勢能面構(gòu)造的物質(zhì)結(jié)構(gòu)描述方法。本發(fā)明利用輸入的原子坐標，構(gòu)造一系列特征函數(shù)作為輸入信息，利用機器學習方法訓練物質(zhì)體系的全局勢能面數(shù)據(jù)，得到機器學習勢能面。這些特征函數(shù)以原子間鍵長、鍵角為基本變量，通過組合冪函數(shù)、截斷函數(shù)、球諧函數(shù)及三角函數(shù)構(gòu)造原子周圍環(huán)境，包含成鍵、配位等結(jié)構(gòu)信息；物質(zhì)體系的全局勢能面數(shù)據(jù)來源于量子力學計算，包含大量不同物質(zhì)結(jié)構(gòu)的能量、力和應力信息。本發(fā)明的特征函數(shù)具有坐標旋轉(zhuǎn)不變，原子交換不變,一階和二階導數(shù)連續(xù)等特性，適用于復雜的多元素物質(zhì)體系?；谶@些特征函數(shù)，訓練得到的高維機器學習勢能面可以用于材料結(jié)構(gòu)搜索、反應機理預測研究等。