dPOLY：聚合物相与相变的深度学习
软凝聚态物质
2021-06-09 v1 材料科学
摘要
机器学习（ML）与人工智能（AI）在大规模数据集中分类、识别与表征复杂模式和趋势方面具有非凡能力。在此，我们采用机器学习方法的一个子类即深度学习，并开发一种通用 AI 工具——dPOLY，用于分析分子动力学轨迹并预测聚合物中的相与相变。在该框架内使用无监督深度神经网络，将经历如冷却、加热、干燥或压缩等热物理处理的分子动力学轨迹映射至低维。随后基于低维数据开发有监督深度神经网络来表征相与相变。作为概念验证，我们采用该框架研究模型聚合物体系的线团-球状转变。我们进行粗粒化分子动力学模拟，以收集宽温度范围内单条聚合物链的分子动力学轨迹，并使用 dPOLY 框架预测聚合物相。dPOLY 框架准确预测了宽范围聚合物尺寸的线团-球状转变临界温度。该方法是通用的，可扩展用于捕获聚合物及其他软物质中的各种其他相变与动力学交叉。
引用
@article{arxiv.2012.03184,
title = {dPOLY: Deep Learning of Polymer Phases and Phase Transition},
author = {Debjyoti Bhattacharya and Tarak K Patra},
journal= {arXiv preprint arXiv:2012.03184},
year = {2021}
}