Sci. Adv. ：具有数百个原子的分子精确全局机器学习力场
NavyLIu
2023-01-12
全局机器学习力场具有捕捉分子系统中集体相互作用的能力，由于模型复杂度随着系统规模的增长而大幅增加，其现在可以扩展到几十个原子。而对于较大的分子，需要引入了局域性假设，导致其结果不能描述非局域相互作用。近日，卢森堡大学Alexandre Tkatchenko、柏林工业大学Klaus-Robert Müller、Stefan Chmiela开发了具有数百个原子的分子精确全局机器学习力场。
本文要点：
1) 作者开发了一种精确的迭代方法来训练数百个原子的全局对称梯度域机器学习（sGDML）力场（FF），其无需任何近似。在全局sGDML FF中，所有原子自由度都保持关联，从而能够准确描述具有深远特征关联长度现象的复杂分子和材料。
2) 作者在新开发的MD22基准数据集上评估了sGDML的准确性和效率，该数据集包含42到370个原子的分子。在MD22数据集中，作者通过超分子配合物的纳秒路径积分分子动力学模拟证明了该方法的可靠性。
Stefan Chmiela et.al Accurate global machine learning force fields for molecules with hundreds of atoms Sci. Adv. 2023
DOI: 10.1126/sciadv.adf0873
https://doi.org/10.1126/sciadv.adf0873
版权声明：
本平台根据相关科技期刊文献、教材以及网站编译整理的内容，仅用于对相关科学作品的介绍、评论以及课堂教学或科学研究，不得作为商业用途。
