基于神经网络的路径集体变量用于相变增强采样
材料科学
2022-12-09 v1 统计力学
计算物理
摘要
我们提出了一种严格构造一维路径集体变量以对凝聚态中结构相变进行采样的方法。该路径集体变量定义于由全局集体变量张成的空间中，这些全局集体变量是源自局域结构单元的 classifier。通过对基于神经网络分类的可靠识别实现局域结构环境的判定。随后将该一维路径集体变量与增强采样技术结合，用于探索钼中固-固相变过程中相界的复杂迁移。
引用
@article{arxiv.1905.01536,
title = {Neural network based path collective variables for enhanced sampling of phase transformations},
author = {Jutta Rogal and Elia Schneider and Mark E. Tuckerman},
journal= {arXiv preprint arXiv:1905.01536},
year = {2022}
}