具有量子力学精度的玻尔兹曼采样器与势能的主动学习
化学物理
2024-04-17 v2 计算物理
机器学习
摘要
提取分子系统相关自由能极小值之间的一致统计量对于物理学、化学和生物学至关重要。分子动力学模拟可以辅助完成此任务，但计算成本高昂，特别是对于需要量子精度的系统。为克服这一挑战，我们开发了一种将增强采样与深度生成模型以及机器学习势 (MLP) 的主动学习相结合的方法。我们引入了一个自适应马尔可夫链蒙特卡洛框架，该框架能够为每个态训练一个归一化流 (NF) 和一个 MLP，从而实现对玻尔兹曼分布的快速收敛。利用训练好的 NF 和 MLP 模型，我们计算了诸如自由能差或光谱等热力学可观测量。我们将此方法应用于研究一个超小银纳米团簇的异构化，该团簇属于在医学和催化领域具有多种应用的一类系统。
引用
@article{arxiv.2401.16487,
title = {Active learning of Boltzmann samplers and potential energies with quantum mechanical accuracy},
author = {Ana Molina-Taborda and Pilar Cossio and Olga Lopez-Acevedo and Marylou Gabrié},
journal= {arXiv preprint arXiv:2401.16487},
year = {2024}
}