基于高斯过程回归的几何优化
化学物理
2020-09-15 v1
摘要
我们实现了一个基于高斯过程回归（GPR）的几何优化器，用于在势能面上寻找最小结构。我们测试了 Matérn 核的二阶可微形式与平方指数核，Matérn 核表现远优。我们详细描述了优化流程，其中包括对 GPR 给出的步长进行越界（overshooting），以获得更高程度的插值而非外推。在与 DL-FIND 库的 L-BFGS 优化器对 26 个测试系统的基准比较中，我们发现新优化器通常减少了所需的优化步数。
引用
@article{arxiv.2009.05803,
title = {Gaussian Process Regression for Geometry Optimization},
author = {Alexander Denzel and Johannes Kästner},
journal= {arXiv preprint arXiv:2009.05803},
year = {2020}
}