基于拉普拉斯特征基的神经网络离子间势能电势
机器学习
2025-10-17 v2 计算物理
摘要
本工作引入了 Phi-Module，一个通用的插件模块，旨在消息传递框架内强制执行泊松方程，以自监督方式学习电静力学相互作用。具体而言，每原子特征表示被鼓励满足离散化的泊松方程，从而能够获得与给定分子图的可学习拉普拉斯特征基相关联的势能 φ 和相应电荷 ρ。我们随后推导了一个电势能项，对改进总能量预测至关重要。该方法可无缝集成到任何现有的神经势能中，且几乎没有计算开销。我们的结果强调，在神经原子势能中嵌入一阶原理约束如何在保持超参数友好、内存高效和训练轻量的同时显著提升性能。代码将在 https://github.com/dunnolab/phi-module 上提供。
引用
@article{arxiv.2505.14606,
title = {Electrostatics from Laplacian Eigenbasis for Neural Network Interatomic Potentials},
author = {Maksim Zhdanov and Vladislav Kurenkov},
journal= {arXiv preprint arXiv:2505.14606},
year = {2025}
}