Chemistrees：基于机器学习的反应路径数据驱动识别
化学物理
2021-10-13 v1 计算物理
摘要
我们提出一种有监督机器学习算法——决策树，用于分析分子动力学输出。该方法旨在识别与在两个任意定义状态之间转变的轨迹相关的主要几何特征。这种基于数据的算法以不受人类“化学直觉”偏见影响的方式识别此类特征。我们通过分析溶于小水团簇中的甲酸（FA）的质子交换反应来演示该方法。模拟采用从头算分子动力学结合生成稀有事件的方法（具体为路径采样）完成。我们的机器学习分析识别了不同水团簇中质子转移反应的机理描述。
引用
@article{arxiv.2104.11728,
title = {Chemistrees: data driven identification of reaction pathways via machine learning},
author = {Sander Roet and Christopher David Daub and Enrico Riccardi},
journal= {arXiv preprint arXiv:2104.11728},
year = {2021}
}