用于机器学习势能面的水分子的全局描述符
化学物理
2023-01-11 v1
摘要
近年来，基于纯第一性原理数据集的多维势能面的机器学习取得了实质性进展。高斯过程作为一种流行的回归方法，已非常成功地从稀疏数据集中生成真实的势能面，从而降低了高精度模型的计算成本。然而，在核与特征空间的设计中有许多选择，会显著改变模型的性能与特性。在本研究中，我们探索了不同的高斯过程设置，更具体地，探讨了目标面的置换不变性如何通过特征空间选择来控制。
引用
@article{arxiv.2301.03853,
title = {Global descriptors of a water molecule for machine learning of potential energy surfaces},
author = {Fabio E. A. Albertani and Alex J. W. Thom},
journal= {arXiv preprint arXiv:2301.03853},
year = {2023}
}
备注
12 pages, 16 figures