使用积极训练的动量张量潜力的分子晶体的加速结构预测
Nikita Rybin1,2, Ivan S Novikov1,3,4, Alexander Shapeev1,2
1Skolkovo Institute of Science and Technology, Bolshoi bulvar 30, build.1, 121205, Moscow, Russian Federation. N.Rybin@skoltech.ru.
Physical chemistry chemical physics : PCCP
|February 20, 2025
概括
机器学习的潜能加速分子晶体结构的预测. 时刻张量潜力和主动学习准确地排列多态,改进计算搜索.
科学领域:
- 计算化学计算化学
- 材料科学 材料科学 材料科学
- 晶体学 晶体学是指结晶学.
背景情况:
- 机器学习的原子间潜力 (MLIP) 显示出对无机晶体结构预测的前景.
- 预测分子晶体结构和多态仍然具有计算挑战性.
研究的目的:
- 开发和验证用于加速分子晶体结构预测的机器学习方法.
- 评估时刻张量潜力 (MTP) 与多形态排名的积极学习相结合的有效性.
主要方法:
- 用于原子间相互作用的利用的动量张量潜力 (MTP).
- 采用基于maxvol算法进行有效的数据选择的积极学习策略.
- 测试了和甘氨酸晶体结构预测的方法.
主要成果:
- 开发的MTP准确地复制了和甘氨酸多态的密度功能理论 (DFT) 结果.
- 积极学习方法有效地指导了潜在的培训过程.
- 该方法在排名多形态中与DFT有很好的一致性.
结论:
- 与主动学习相结合的时刻张量潜力 (MTP) 提供了一种强大的方法来加速分子晶体结构预测.
- 这种方法可以显著提高计算指导的多态搜索.
- 这些发现表明MLIP在分子材料发现中具有更广泛的适用性.
更多相关视频
09:42Unraveling Entropic Rate Acceleration Induced by Solvent Dynamics in Membrane Enzymes
Published on: January 16, 2016
9.0K
09:17Structure-Based Simulation and Sampling of Transcription Factor Protein Movements along DNA from Atomic-Scale Stepping to Coarse-Grained Diffusion
Published on: March 1, 2022
3.1K
相关概念视频
02:27Predicting Molecular Geometry
47.2K
VSEPR Theory for Determination of Electron Pair Geometries
47.2K
01:29Determination of Crystal Structures
118
In the late 1800s, the revelation that light extended beyond visible wavelengths led to the discovery of X-rays by Wilhelm Roentgen. Recognized as high-energy electromagnetic radiation with short wavelengths, X-rays prompted exploration into their interaction with crystals. Max von Laue proposed in 1912 that the periodic arrangement of atoms, ions, or molecules in crystals would cause them to diffract X-rays, a hypothesis confirmed through experiments with copper sulfate and zinc sulfide...
118