一种用于碳氢化合物的稀疏贝叶斯委员会机器势
材料科学
2024-02-23 v1 软凝聚态物质
摘要
准确且可扩展的通用原子间势对于在原子水平理解材料性质至关重要，而这一任务常受限于陡峭的计算缩放比例。尽管机器学习势的最新发展取得了显著进展，但在单个模型中构建针对广泛化合物的灵活性和扩展性似乎仍然具有挑战性，特别是对于基于核的模型。在此，我们引入了贝叶斯委员会机器 (BCM) 势，以处理各种相态（气态、团簇、液态和固态）下的多种碳氢化合物。BCM 势利用委员会方法来规避核回归器在处理大数据集时的糟糕缩放问题。其基于委员会的结构允许轻松且具成本效益的扩展，同时保持可迁移性和可扩展性。通过展示其鲁棒性，BCM 准确地模拟了具有挑战性的实例，如 Diels-Alder 反应、结构应变和π-π相互作用。我们的系统基准测试将稀疏 BCM 势定位为寻求通用从头算机器学习势的有希望的候选者。
引用
@article{arxiv.2402.14497,
title = {A Sparse Bayesian Committee Machine Potential for Hydrocarbons},
author = {Soohaeng Yoo Willow and Gyung Su Kim and Miran Ha and Amir Hajibabaei and Chang Woo Myung},
journal= {arXiv preprint arXiv:2402.14497},
year = {2024}
}
备注
8 pages, 6 figures