机器学习电荷和远程相互作用的能量和力量
Daniel S King1, Dongjin Kim2, Peichen Zhong1
1Bakar Institute of Digital Materials for the Planet, UC Berkeley, California, CA, USA.
隐性埃瓦尔德总和 (LES) 在原子学模拟中准确地模拟了远程力量. 这种机器学习方法可以改善各种化学和材料系统中静电和分散相互作用的预测.
科学领域:
- 计算化学和材料科学.
- 开发先进的模拟方法.
- 机器学习在物理科学中的应用.
背景情况:
- 准确的远程力建模对于原子模拟中的材料和化学系统属性至关重要.
- 标准机器学习原子间潜力 (MLIP) 经常使用短距离近似,限制其在具有显著静电和分散的系统中使用.
- 现有的方法很难有效地捕捉远程静电相互作用.
研究的目的:
- 引入和验证潜伏埃瓦尔德总和 (LES) 方法,用于在机器学习中捕获远程静电学.
- 展示LES在没有明确的收费学习的情况下模拟多样化和具有挑战性的系统的能力.
- 将LES性能与明确学习原子电荷的方法进行比较.
主要方法:
- 开发潜伏埃瓦尔德总和 (LES) 技术,以纳入远程静电效应.
- 在广泛的系统上对LES进行基准测试:带电分子,离子液体,电解质溶液,极性二,表面吸附和各种接口.
- 评估LES在复制经典原子电荷和推断量子力学系统的多极时刻方面的能力.
主要成果:
- 对于具有固定电荷的经典系统,LES成功地复制了精确的原子电荷.
- 对于量子力学系统,LES推断了双极和四极时刻及其导数.
- 与充电学习方法相比,LES在能量和力预测方面取得了更高的准确性.
结论:
- 潜伏埃瓦尔德总和 (LES) 方法在原子模拟中有效地模拟了远程静电和分散力.
- 莱斯为传统的MLIP提供了强大而准确的替代方案,特别是在静电主导的系统中.
- 这种方法增强了复杂化学和材料应用的机器学习潜力的预测能力.
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
08:54Vibrational Spectra of a N719-Chromophore/Titania Interface from Empirical-Potential Molecular-Dynamics Simulation, Solvated by a Room Temperature Ionic Liquid
Published on: January 25, 2020
相关概念视频
Intermolecular Forces
Trends in Lattice Energy: Ion Size and Charge
Continuous Charge Distributions
The electric charge can also be subjected to an analogical...
Energy Associated With a Charge Distribution
Coulomb's Law
Newton's third law applies to the Coulomb force — the...
Calculations of Electric Potential II
Consider a...
