机器学习的密度功能对无异型斑块粒子的异型斑块粒子
Alessandro Simon1,2, Jens Weimar1, Georg Martius2
1Institute for Applied Physics, University of Tübingen, Auf der Morgenstelle 10, 72076 Tübingen, Germany.
这项研究模型使用异构的斑点粒子和经典密度函数理论来关联流体. 机器学习构建了一个定向内核,改进了墙壁附近密度分布的近似值.
科学领域:
- 统计力学就是统计力学.
- 软物质物理学 软物质物理学
- 计算化学是一种计算化学.
背景情况:
- 不同类型的斑块粒子是结合流体的关键模型.
- 经典密度函数理论 (DFT) 用于研究流体行为.
- 了解墙壁附近的密度分布对于材料性能至关重要.
研究的目的:
- 为Kern-Frenkel模型开发基于机器学习 (ML) 的方法.
- 描述平面墙壁附近的异型粒子的平衡密度分布.
- 改进现有的方位相关性近似方法.
主要方法:
- 针对异性异性斑点颗粒的DFT方法的制定.
- 将密度函数分为参考和定向部分.
- 使用ML和模拟数据开发用于定向部分的平均场内核.
主要成果:
- 基于ML的内核准确地描述了定位和定向分辨密度.
- 这种方法比随机相近似方法更好地捕捉墙壁附近的方向相关性.
- 确定了平均场处理的成功和局限性.
结论:
- 基于ML的DFT方法为研究结合流体提供了一个强大的工具.
- 与传统的近似方法相比,这种方法为方向相关性提供了更高的准确性.
- 未来的工作旨在开发一个完全基于ML的密度函数.
更多相关视频
06:37Analyzing Melts and Fluids from Ab Initio Molecular Dynamics Simulations with the UMD Package
Published on: September 17, 2021
10:52Multiscale Sampling of a Heterogeneous Water/Metal Catalyst Interface using Density Functional Theory and Force-Field Molecular Dynamics
Published on: April 12, 2019
相关概念视频
Maxwell-Boltzmann Distribution: Problem Solving
This distribution function f(v) is defined by saying that the expected number N (v1,v2) of particles with speeds between v1 and v2 is given by
First Law: Particles in Two-dimensional Equilibrium
Newton's first law tells us about...
First Law: Particles in One-dimensional Equilibrium
Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...
The Quantum-Mechanical Model of an Atom
The Uncertainty Principle
