通过通用密度功能学习来确定化学潜力
Florian Sammüller1, Matthias Schmidt1
1Universität Bayreuth, Theoretische Physik II, Physikalisches Institut, D-95447 Bayreuth, Germany.
密度函数的机器学习可以确定经典流体中的化学潜力. 该方法为软物质系统分析提供了传统计算技术的有效替代方案.
科学领域:
- 计算物理学的计算物理.
- 机器学习是机器学习.
- 软物质物理学 软物质物理学
背景情况:
- 在不均的古典流体中确定化学潜力在计算上具有挑战性.
- 测量化学潜力的传统方法往往是低效的.
- 密度函数理论 (DFT) 是研究多体系统的强大工具.
研究的目的:
- 开发一种机器学习方法,同时确定平衡化学潜力和密度函数.
- 为化学潜能测量提供一种有效的替代传统计算技术.
- 从模拟数据中构建神经密度函数,以实现准确的多尺度预测.
主要方法:
- 机器学习应用于密度函数.
- 从欧勒-拉格朗日方程中导出的损失函数的最小化.
- 通过神经网络使用通用单体直接相关函数的局部表示.
- 使用来自布朗动力学,分子动力学或蒙特卡洛模拟的数据.
主要成果:
- 在模拟数据集中同时确定平衡化学潜力.
- 通过神经网络成功地表示了通用的单体直接相关函数.
- 识别系统特定的未知化学潜在值.
- 展示一种有效的替代传统化学潜力测量技术.
结论:
- 密度函数的机器学习提供了一种有效和准确的方法来确定经典流体中的化学潜力.
- 开发的方法有助于构建神经密度函数,用于软物质系统的多尺度预测.
- 这种方法将模拟数据与机器学习相结合,以推进计算物理和材料科学.
更多相关视频
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
06:53Author Spotlight: Magnetometric Characterization of Intermediates in the Solid-State Electrochemistry of Redox-Active Metal-Organic Frameworks
Published on: June 9, 2023
相关概念视频
Thermodynamics: Chemical Potential and Activity
The thermodynamic equilibrium constant is more accurately defined in terms of activity rather than concentration.
Ladder Diagrams: Redox Equilibria
Consider the Fe3+/Fe2+ half-reaction, which has a standard-state potential of +0.771 V. At potentials more positive than +0.771 V, Fe3+ predominates, whereas Fe2+...
The Debye–Hückel Theory of Electrolyte Solutions
Thermodynamic Potentials
Molecular Geometry and Dipole Moments
Potentiometry: Overview
