基于程长修正深度势模型的机器学习方法用于高效振动频率计算
化学物理
2023-10-09 v3
摘要
作为系综平均结果，使用高精度方法进行振动谱模拟可能非常耗时。我们提出一种基于程长修正深度势（DPRc）模型的机器学习方法以提升计算效率。DPRc 方法将系统划分为“探针区域”与“溶剂区域”；神经网络中不计入“溶剂-溶剂”相互作用。我们将该方法应用于两个体系：甲酸水中 \ch{C=O} 伸缩以及 MeCN 水中 \ch{C+N} 伸缩振动频率位移。所有数据集均使用量子振动微扰（QVP）方法制备。测试了不同区域划分、一体修正、截断范围与训练数据量的影响。具有单分子“探针区域”的模型表现出稳定精度；其运行速度约为常规 DP 的十倍，并将训练时间缩短约四分之一。该方法高效、易用，并可扩展至计算各类谱图。
引用
@article{arxiv.2303.15969,
title = {A Machine Learning Approach Based on Range Corrected Deep Potential Model for Efficient Vibrational Frequency Computation},
author = {Jitai Yang and Yang Cong and You Li and Hui Li},
journal= {arXiv preprint arXiv:2303.15969},
year = {2023}
}