全球神经网络潜力与明确的多体函数,用于更好地描述复杂的潜在能量表面
Pei-Lin Kang1, Zheng-Xin Yang1, Cheng Shang1
1Collaborative Innovation Center of Chemistry for Energy Material (iChem), Shanghai Key Laboratory of Molecular Catalysis and Innovative Materials, Key Laboratory of Computational Physical Science, Department of Chemistry, Fudan University, Shanghai 200433, China.
我们介绍了G-MBNN,这是一个新的机器学习潜力 (MLP) 架构,通过结合多体能量术语来改进原子模拟. 这种方法提高了复杂系统的准确性,解决了当前化学反应和远程相互作用的MLP的局限性.
科学领域:
- 计算材料科学 计算材料科学
- 机器学习在物理学中的应用
- 量子化学是一种量子化学.
背景情况:
- 高维机器学习潜力 (MLP) 对大规模原子模拟至关重要.
- 目前的MLP由于结构歧视差,难以处理长距离相互作用和准确描述化学反应.
研究的目的:
- 开发一个计算效率高的MLP架构,以适应全球潜在能源表面数据.
- 在复杂系统的原子模拟中改进能量和力分辨率.
主要方法:
- 拟议的G-MBNN (全球多体神经网络) 架构.
- 结合了基于局部原子环境的明确多体能量术语.
- 在LASP代码中实现了G-MBNN.
主要成果:
- 在复杂的潜在能量表面上,G-MBNN提供了更好的能量和力分辨率.
- 该方法准确地捕捉了短距离的排斥,长距离的吸引力和共价相互作用.
- 在模拟有缺陷的LiCoO2,TiO2和有机反应中证明了更高的准确性.
结论:
- G-MBNN提供了一种低成本但有效的方法来提高复杂系统的MLP准确性.
- 显式包含多体术语解决了以原子为中心的ML模型的关键局限性.
- 这个框架提升了对材料科学和化学的原子模拟的能力.
更多相关视频
08:04Excitonic Hamiltonians for Calculating Optical Absorption Spectra and Optoelectronic Properties of Molecular Aggregates and Solids
Published on: May 27, 2020
13:56Probe Type II Band Alignment in One-Dimensional Van Der Waals Heterostructures Using First-Principles Calculations
Published on: October 12, 2019
相关概念视频
Thermodynamic Potentials
Gravitational Potential Energy
Gauss's Law
Force and Potential Energy in Three Dimensions
Potential Energy due to Gravitation
Consider a mass gravitationally bound to another object. For example, the Earth is gravitationally bound to the Sun’s gravitational field. The potential...
Gravitational Potential Energy for Extended Objects
