聚合物熔体中多体色散相互作用的机器学习代理模型
机器学习
2026-04-01 v2 计算物理
摘要
accurately 预测多体色散（MBD）相互作用对于理解支配许多复杂分子系统van der Waals力至关重要。然而，MBD计算的高计算成本限制了其在大规模模拟中的直接应用。在本工作中，我们引入了专为预测聚合物熔体中的MBD力而设计的机器学习代理模型，这一系统要求准确的MBD描述且为机器学习方法提供了结构优势。我们的模型基于修剪SchNet架构， selectively 保留最相关的原子连接，并 incorporates 可训练的径向基函数进行几何编码。我们在聚乙烯、丙烯和聚氯乙烯熔体的数据集上验证了该代理模型，展示了高预测精度和在 diverse polymer systems 上的 robust generalization。此外，模型捕捉了关键物理特征，如MBD相互作用特征的衰减行为，为优化截断策略提供了有价值的见解。该代理模型以高计算效率为特征，使其能够实用地将MBD效应纳入大规模分子模拟。
引用
@article{arxiv.2503.15149,
title = {Machine learning surrogate models of many-body dispersion interactions in polymer melts},
author = {Zhaoxiang Shen and Raúl I. Sosa and Jakub Lengiewicz and Alexandre Tkatchenko and Stéphane P. A. Bordas},
journal= {arXiv preprint arXiv:2503.15149},
year = {2026}
}