用于分子晶体 RDX 的图神经网络粗粒化力场
介观与纳米尺度物理
2024-03-25 v1 材料科学
摘要
凝聚相分子系统以广泛的不同分子构型组织起来，包括非晶熔体和玻璃以及常表现出多晶型的晶体，这些构型源于其复杂的分子内和分子间作用力。虽然针对这些材料的精确粗粒化（CG）模型对于理解超出全原子模拟能力范围的现象至关重要，但当前的模型无法捕捉分子结构的多样性。我们引入了一种通用方法来开发分子晶体的 CG 力场，该方法结合了图神经网络（GNN）和来自全原子模拟的数据，并将其应用于高能量密度材料 RDX。我们通过一个迭代过程来应对用相关构型扩展训练数据的挑战，该过程执行感兴趣过程的 CG 分子动力学，并使用预训练的神经网络解码器重建原子构型。多位点 CG 模型使用了一种为满足力的平移不变性和旋转协变性而构建的 GNN 架构。所得模型能够捕捉在广泛的温度和密度范围内的晶体和非晶态。
引用
@article{arxiv.2403.15266,
title = {Graph neural network coarse-grain force field for the molecular crystal RDX},
author = {Brian H. Lee and James P. Larentzos and John K. Brennan and Alejandro Strachan},
journal= {arXiv preprint arXiv:2403.15266},
year = {2024}
}