非键相互作用的物理学启发的等变描述符
化学物理
2023-10-05 v2 机器学习
摘要
在许多基于机器学习（ML）的材料与分子原子建模方法中，一个基本要素是使用局域性。尽管这带来了更好的系统尺寸标度，却系统性地忽略了长程（LR）效应，如静电或色散相互作用。我们提出了长距等变（LODE）框架的扩展，能以一致方式处理多样的长程相互作用，并通过构建新的原子中心特征集与已有方法无缝集成。我们利用多极展开对这些特征给出直接的物理诠释，从而实现更简洁高效的实现。该框架应用于简单玩具系统作为概念验证，并应用于异质分子二聚体集合以将方法推向极限。通过将 LODE 推广至任意渐近行为，我们为物质数据驱动建模中任意两体与多体非键相互作用提供了一致处理方法。
引用
@article{arxiv.2308.13208,
title = {Physics-inspired Equivariant Descriptors of Non-bonded Interactions},
author = {Kevin K. Huguenin-Dumittan and Philip Loche and Ni Haoran and Michele Ceriotti},
journal= {arXiv preprint arXiv:2308.13208},
year = {2023}
}