利用机器学习探索势能面以表征原子输运
化学物理
2018-03-21 v2
摘要
我们提出一种机器学习方法，基于对原子输运主导点的优先选择来评估控制原子输运的势垒。该方法从势能面（PES）的概率高斯过程模型生成整个势能面的大量随机样本，从而能够定义主导点的似然性。在十多个氧化物中质子扩散的模型案例上，通过与传统的微动弹性带方法比较，证明了该方法的稳健性和效率。
引用
@article{arxiv.1710.03468,
title = {Exploring a potential energy surface by machine learning for characterizing atomic transport},
author = {Kenta Kanamori and Kazuaki Toyoura and Junya Honda and Kazuki Hattori and Atsuto Seko and Masayuki Karasuyama and Kazuki Shitara and Motoki Shiga and Akihide Kuwabara and Ichiro Takeuchi},
journal= {arXiv preprint arXiv:1710.03468},
year = {2018}
}