机器学习价力场模型
计算物理
2018-08-07 v1 材料科学
摘要
价力场 (VFF) 模型以显式二次泛函形式中键与角的变化对原子相互作用给出简明的物理解释，而机器学习 (ML) 方法是一种灵活的数值途径，可基于某些预先获得的训练数据作出预测而无需任何显式函数。我们提出所谓 ML-VFF 模型，结合了 VFF 模型清晰的物理本质与 ML 方法的数值灵活性。ML-VFF 模型不对原子相互作用施加任何显式泛函形式，而是以高斯回归方法预测势与力。我们以石墨烯为例阐明 ML-VFF 模型以相对较低计算代价作出准确预测的能力。我们也讨论了 ML-VFF 模型的一些关键优势与缺陷。
引用
@article{arxiv.1808.01714,
title = {Machine learning valence force field model},
author = {Jing Wan and Ya-Wen Tan and Jin-Wu Jiang and Tienchong Chang and Xingming Guo},
journal= {arXiv preprint arXiv:1808.01714},
year = {2018}
}
备注
four figures