用于分子中原子量子力学性质的机器学习
化学物理
2015-08-26 v2
摘要
我们介绍了分子中原子量子力学可观测量的机器学习模型。对于质子和碳核化学位移、原子芯能级激发以及原子受力的样本外即时预测，其精度可与密度泛函理论参考相媲美。通过以原子为中心的局部坐标系，在非线性回归中利用了局域性。该方法在包含9k个小有机分子的多样化集合上得到验证。对于长度可达亚介观尺度的饱和聚合物，计算成本随体系尺寸呈线性标度。
引用
@article{arxiv.1505.00350,
title = {Machine Learning for Quantum Mechanical Properties of Atoms in Molecules},
author = {Matthias Rupp and Raghunathan Ramakrishnan and O. Anatole von Lilienfeld},
journal= {arXiv preprint arXiv:1505.00350},
year = {2015}
}