基于高斯过程的色散校正精修

我们采用高斯过程（GP）回归来调整 D3 型色散校正中的系统误差，引入了相应的、统计上改进的模型 D3-GP。我们生成了一个包含 1,248 个分子二聚体相互作用能的数据集，这些二聚体类似于 S66 数据集中以色散为主导的体系。我们的体系不仅代表平衡结构，还包括在更短和更长距离下具有不同相对取向和构象的二聚体。为训练我们的 D3-GP 模型，我们设计了两种（超）分子体系的向量表示，二者均源自原子对 D3(BJ) 相互作用项矩阵：(a) 距离分辨的相互作用能直方图，以及 (b) 按绝对值递减排序的相互作用矩阵特征值。我们利用 GP 回归得到的预测方差以自动化方式选择最优训练集。方差越大，相应数据点可能为训练集增添的信息越多。对于给定的分子体系集合，基于方差的采样可近似确定需进行参考计算的最小子集，使得其余体系的所有色散校正均低于预定义的精度阈值。我们精修的学习算法选取多个（而非单个）可同时进行参考计算的体系。我们将底层选择策略称为批量式基于方差的采样（BVS）。BVS 引导的主动学习是我们 D3-GP 工作流的核心组成部分，其以黑箱方式实现。该方法总体上产生了一个自我改进的模型（D3-GP），可为任意给定参考数据集体系预测聚焦于体系且经 GP 精修的 D3 型色散校正。