LAMMPS 中快速人工神经网络派生原子间势的实现
材料科学
2021-02-23 v2
摘要
尽管机器学习方法已成功用于表示原子间势,但其速度通常落后于传统形式。这往往是由于用于描述局域原子环境的结构指纹的复杂性,以及在这些指纹计算中使用的较大截断半径和邻域列表。即便近期的机器学习方法也至少比传统形式慢 10 倍。本文提出了在 LAMMPS 分子动力学软件包中实现的快速人工神经网络(RANN)风格势,其利用角度筛选在不降低精度的前提下降低计算复杂度。对于最小的神经网络架构,该形式在速度和精度上可与修正嵌入原子法(MEAM)相媲美,而速度约为 MEAM 三分之一的网络能够以化学精度复现训练数据库。通过验证能量守恒、计算得到的力与压强和能量的观测导数之间的一致性,以及评估势在动态模拟中的稳定性,对 LAMMPS 实现的数值精度进行了评估。使用镁的力场对该势风格进行了测试,并将多种架构的计算效率与传统势模型以及其他 ANN 形式进行了比较。发现其预测精度可与较慢的方法相媲美。
引用
@article{arxiv.2102.02345,
title = {LAMMPS Implementation of Rapid Artificial Neural Network Derived Interatomic Potentials},
author = {Doyl Dickel and Mashroor Nitol and Christopher Barrett},
journal= {arXiv preprint arXiv:2102.02345},
year = {2021}
}