基于力与力矩匹配和神经网络的各向异性分子粗粒化
统计力学
2023-07-12 v1 计算物理
摘要
我们开发了一种利用各向异性粒子对凝聚相分子系统进行粗粒化的机器学习方法。该方法通过处理分子各向异性，扩展了当前可用的高维神经网络势。我们通过参数化刚性小分子(苯)和半柔性有机半导体(六噻吩)的单点粗粒化模型，展示了该方法的灵活性，在以显著降低的计算代价下，对两种分子均获得了接近全原子模型的结构精度。所构建粗粒化势的机器学习方法被证明是直接且足够鲁棒，能够捕捉各向异性相互作用和多体效应。该方法通过其重现小分子液相结构性质以及半柔性分子在宽温度范围内的相变的能力得到了验证。
引用
@article{arxiv.2301.10881,
title = {Anisotropic molecular coarse-graining by force and torque matching with neural networks},
author = {Marltan O. Wilson and David M. Huang},
journal= {arXiv preprint arXiv:2301.10881},
year = {2023}
}
备注
13 pages + 8 pages supplementary material, 13 figures