ænet-PyTorch：一个支持GPU的机器学习原子势训练实现
无序系统与神经网络
2023-05-10 v1
摘要
在这项工作中，我们提出了 ænet-PyTorch，一个基于 PyTorch 的实现，用于训练基于人工神经网络的机器学习原子间势。作为原子能量网络（ænet）的扩展，ænet-PyTorch 提供了对 ænet 中包含的所有用于应用和使用势的工具的访问。该软件包被设计为 ænet 内部训练能力的替代方案，利用图形处理单元的强大功能，除了能量之外，还能直接对力进行训练。与 CPU 实现相比，这使得训练时间大幅减少了一到两个数量级，从而能够对超出小分子范围的体系直接进行力训练。我们在此展示了 ænet-PyTorch 的主要功能，并展示了其在开放数据库上的性能。我们的结果表明，对数据集中所有力信息进行训练并非必要，包含 10% 到 20% 的力信息就足以用最少的计算资源获得最优精度的原子间势。
引用
@article{arxiv.2302.09406,
title = {{\ae}net-PyTorch: a GPU-supported implementation for machine learning atomic potentials training},
author = {Jon Lopez-Zorrilla and Xabier M. Aretxabaleta and Inwon Yue and Inigo Etxebarria and Hegoi Manzano and Nongnuch Artrith},
journal= {arXiv preprint arXiv:2302.09406},
year = {2023}
}
备注
9 pages, 7 figures and 1 table