通过直接纳入额外分子属性拓宽神经网络势的应用范围
机器学习
2025-02-10 v2 化学物理
计算物理
摘要
大多数最先进的神经网络势仅考虑原子序数和位置以外的分子属性，这从设计上限制了其适用范围。在本工作中，我们通过对 TensorNet（一种基于笛卡尔秩-2 张量表示的最先进等变模型）进行最小的架构改动，证明了在神经网络势表示中包含额外电子属性的重要性。通过在自定义和公开基准数据集上的实验，我们表明这一修改解决了仅使用原子序数和位置所带来的输入简并性问题，同时提高了模型在不同电荷或自旋态的多样化化学体系中的预测精度。这一成果无需定制策略或引入基于物理的能量项，同时保持了效率和准确性。这些发现应进一步鼓励研究人员训练和使用包含这些额外表示的模型。
引用
@article{arxiv.2403.15073,
title = {Broadening the Scope of Neural Network Potentials through Direct Inclusion of Additional Molecular Attributes},
author = {Guillem Simeon and Antonio Mirarchi and Raul P. Pelaez and Raimondas Galvelis and Gianni De Fabritiis},
journal= {arXiv preprint arXiv:2403.15073},
year = {2025}
}
备注
Accepted in Journal of Chemical Theory and Computation