BoltzmaNN：利用神经网络预测有效对势与状态方程
软凝聚态物质
2024-06-19 v2 无序系统与神经网络
摘要
利用压力维里展开，采用神经网络（NNs）从给定的各向同性对势预测状态方程。神经网络使用来自单原子气体和液体的分子动力学模拟数据进行训练，这些数据在 系综下以不同密度采样。我们发现，与二阶维里系数的解析低密度极限估计相比，神经网络提供了更为准确的结果。进一步，我们设计并训练了神经网络，用于从径向对分布函数 计算（有效）对势，该任务常用于逆向设计与粗粒化。为神经网络提供关于力的附加信息可大幅提高预测精度，因为考虑了更多关联；所得预测势更平滑，显著更接近目标势，并且因此具有更好的可迁移性。
引用
@article{arxiv.1908.02448,
title = {BoltzmaNN: Predicting effective pair potentials and equations of state using neural networks},
author = {Fabian Berressem and Arash Nikoubashman},
journal= {arXiv preprint arXiv:1908.02448},
year = {2024}
}