基于神经网络的燃烧反应计算机模拟
化学物理
2020-11-12 v1 机器学习
摘要
理解和预测化学反应是许多复杂化学体系研究中的基本需求。反应分子动力学（MD）模拟因能提供原子细节并帮助我们更好地解释化学反应机理而被广泛用于此目的。在本研究中，构建了两个参考数据集并基于它们训练了相应的神经网络（NN）势。对于给定的大规模反应体系，NN 势能以 DFT 精度预测势能和原子力，同时比传统 DFT 计算快数个数量级。利用这两个模型，进行了反应 MD 模拟以探索氢气和甲烷的燃烧机理。得益于 NN 模型的高效率，产生了包含数百个原子的大规模体系的纳秒 MD 轨迹，并获得了详细的燃烧机理。通过进一步发展，本研究中的算法可用于探索和发现许多复杂反应体系（如燃烧、合成和非均相催化）的反应机理，而无需任何预定义的反应坐标和基元反应步骤。
引用
@article{arxiv.1911.12252,
title = {Neural Network Based in Silico Simulation of Combustion Reactions},
author = {Jinzhe Zeng and Liqun Cao and Mingyuan Xu and Tong Zhu and John ZH Zhang},
journal= {arXiv preprint arXiv:1911.12252},
year = {2020}
}
备注
Version_01