从离子表面活性剂到 Nafion：基于卷积神经网络的软物质结构研究
软凝聚态物质
2020-10-15 v2 无序系统与神经网络
材料科学
化学物理
摘要
我们将近期机器学习进展中的深度卷积神经网络应用于由分子动力学计算机模拟生成的三维（体素）软物质数据。我们聚焦于水合离子表面活性剂粗粒化模型的结构与相性质。我们训练了一个分类器，能够自动检测系统中吸收的水的量，从而将每个水化水平与其最具代表性的纳米结构相关联。基于迁移学习的概念，我们随后将同一网络应用于相关的聚合离子omer Nafion，并提取了这些构型与上述构型相似性的度量。我们证明，在此基础上，可以将固定水化水平下该聚合物的静态结构因子表示为多个含水量下表面活性剂静态结构因子的叠加。我们提出，此类方法可在不借助任何先验模型图像的情况下，为无序材料的多尺度结构提供有用的、无偏的、数据驱动的精确描述。
引用
@article{arxiv.2006.15895,
title = {From ionic surfactants to Nafion through convolutional neural networks},
author = {Loic Dumortier and Stefano Mossa},
journal= {arXiv preprint arXiv:2006.15895},
year = {2020}
}