数值精度至关重要：机器学习势能面的应用
化学物理
2023-11-30 v1
摘要
本文针对不同的实验可观测量，考察了训练与评估基于神经网络的势能面时数值精度的作用。对于需要对总能量关于笛卡尔坐标的三阶与四阶导数之可观测量，ML 方法中典型使用的单精度算术是不够的，并会导致底层 PES 的粗糙，对此我们予以明确展示。将数值精度提升至双精度可得到具有数值稳定高阶导数的平滑 PES，并给出有意义的非谐频率与隧穿分裂，这一点对 HCO 与丙二醛作了演示。而对于仅需一阶导数的分子动力学模拟，单精度算术似乎已足够。
引用
@article{arxiv.2311.17398,
title = {Numerical Accuracy Matters: Applications of Machine Learned Potential Energy Surfaces},
author = {Silvan Käser and Markus Meuwly},
journal= {arXiv preprint arXiv:2311.17398},
year = {2023}
}