管理期望和不平衡的训练数据在反应力场的发展:一个应用到水吸附在的应用
Loïc Dumortier1,2, Céline Chizallet3, Benoit Creton1
1IFP Energies nouvelles, 1 et 4 Avenue de Bois-Préau, 92852 Rueil-Malmaison, France.
Journal of chemical theory and computation
|April 19, 2024
概括
本研究介绍了平衡损失,这是优化ReaxFF参数的新方法. 它通过管理多样化的训练数据来改进力量场的发展,从而对化学系统进行更准确的模拟,比如水对.
科学领域:
- 计算化学计算化学
- 材料科学 材料科学 材料科学
- 化学物理 化学物理
背景情况:
- ReaxFF是用于反应分子动力学模拟的计算效率高的模型.
- 优化ReaxFF参数需要仔细权衡各种不同丰度的训练数据.
- 目前的方法在分配权重时面临挑战,以便在培训要求之间取得平衡的妥协.
研究的目的:
- 引入一个新的损失函数,平衡损失,以及用于ReaxFF参数优化的工作流.
- 以基于数据类别和公差的更容易管理的程序取代手动重量分配.
- 提供一种在优化过程中验证预期并允许容忍重新配置的方法.
主要方法:
- 开发了一个新的损失函数:平衡损失,使用Log-Sum-Exp形式.
- 实施了一种工作流程,将训练数据划分为具有定义公差的类别 (可接受的平方根平均误差).
- 应用了对ReaxFF对酸上水吸附的参数化方法.
主要成果:
- 通过平衡损失方法,成功地对ReaxFF进行了参数化,以对酸进行水吸附.
- 由此产生的力场准确地复制了来自验证集的频繁和罕见属性.
- 通过分子动力学模拟水溶解,证明了新力场的强度.
结论:
- 平衡损失方法为ReaxFF力场优化提供了一个更易于管理和更有效的程序.
- 这种新方法导致分子动力学模拟的准确性和稳定性得到改善.
- 开发的ReaxFF力场对研究水与的相互作用具有前景.


