具有多粒子输入的 MD-GAN：从短时 MD 数据机器学习长时分子行为
化学物理
2022-02-03 v1 机器学习
计算物理
机器学习
摘要
MD-GAN 是一种基于机器学习的方法，可在任意时间步演化系统的一部分，从而加速分子动力学数据的生成。对于 MD-GAN 的准确预测，训练数据中应包含系统部分的充分动力学信息。因此，系统部分的选择对于高效学习十分重要。在先前研究中，仅提取每个分子的一个粒子（或矢量）作为系统部分。因此，我们研究了向学习过程添加其他粒子信息的有效性。在聚乙烯体系的实验中，当使用每个分子三个粒子的动力学时，与单粒子输入相比，仅用三分之一训练数据的时间长度便成功预测了扩散。令人惊讶的是，训练数据中未观测到的扩散转变也通过该方法得以预测。
引用
@article{arxiv.2202.00995,
title = {MD-GAN with multi-particle input: the machine learning of long-time molecular behavior from short-time MD data},
author = {Ryo Kawada and Katsuhiro Endo and Daisuke Yuhara and Kenji Yasuoka},
journal= {arXiv preprint arXiv:2202.00995},
year = {2022}
}