通过合笛卡儿原子集群扩张和高斯总和神经网络来准确学习远程原子间潜力
Yajie Ji1,2, Jiuyang Liang1,3, Zhenli Xu1
1School of Mathematical Sciences, MOE-LSC and CMA-Shanghai, Shanghai Jiao Tong University, Shanghai 200240, China.
高斯和的神经网络 (SOG-Net) 准确地模拟了分子动态中的远程相互作用. 将SOG-Net与短距离描述器相结合,可以提高各种化学系统的模拟精度.
科学领域:
- 计算化学的计算化学
- 材料科学 材料科学 材料科学
- 机器学习 机器学习
背景情况:
- 精确的分子动力学 (MD) 模拟需要精确建模远程原子间相互作用.
- 机器学习原子间潜力 (MLIPs) 为高效准确的模拟提供了一个有前途的途径.
研究的目的:
- 将高斯总和神经网络 (SOG-Net) 与用于增强的MD模拟的短距离描述器集成.
- 评估SOG-Net模块的通用性和性能,当与不同的短距离描述符相结合时.
主要方法:
- 通过将SOG-Net与笛卡尔原子集群扩张 (CACE) 描述符结合起来,开发了CACE-SOG模型.
- 调查SOG-Net的技术改进,包括外推精度,电荷状态处理和融合速度.
- 对各种系统的CACE-SOG模型的评估:分子二次体,盐溶液,离子集群和接口.
主要成果:
- 该CACE-SOG模型证明了与不同衰变速率的长距离相互作用尾巴的准确配合.
- SOG-Net被证明是一个多功能模块,成功与CACE短距离描述器相结合.
- 与现有方法相比,该模型在各种具有挑战性的系统中显示出更好的性能.
结论:
- SOG-Net是一个非常有效的模块,用于在MD模拟中学习远程原子间相互作用.
- CACE-SOG模型在开发准确和可通用的MLIP方面取得了重大进展.
- 进一步的技术发展提高了SOG-Net对复杂化学系统的适用性和效率.
更多相关视频
05:37Rapid in-silico Battery Electrolyte Electrochemical Reaction Generation using 3T-VASP Multi-Scale Energy Minimization
Published on: August 22, 2025
08:04Identification and Classification of Position-specific GABAA Receptor Subunit Missense Variants for Their Role In Hippocampal Pyramidal Neurons
Published on: June 6, 2025
相关概念视频
¹H NMR: Long-Range Coupling
In alkenes, spin information is communicated via σ–π overlap, as seen in allylic (four-bond) and homoallylic (five-bond) couplings. These coupling interactions are stronger when the σ bond is parallel to the alkene...
Predicting Molecular Geometry
Hybridization of Atomic Orbitals II
Hybridization of Atomic Orbitals I
Ampere-Maxwell's Law: Problem-Solving
To solve the problem, we can use the equations from the analysis of an RC circuit and Maxwell's version of Ampère's law.
For the first part of the...
Valence Bond Theory and Hybridized Orbitals
A σ bond (single bond in a Lewis structure) is a covalent bond in which the electron density is...
