用于机器学习量子力学模拟插值的分子与材料表示
计算物理
2022-03-17 v2 材料科学
机器学习
化学物理
摘要
从第一性原理对分子和材料进行计算研究是物理学、化学和材料科学的基石，但受限于精确模拟的成本。在涉及大量模拟的情形中，机器学习可通过在参考模拟间插值，将成本降低往往达数个数量级。这需要能描述任意分子或材料并支持插值的表示。我们基于多体函数、群平均和张量积的统一数学框架，全面回顾并讨论当前表示及其间关系。对于选定的最先进表示，我们在控制数据分布、回归方法和超参数优化的数值实验中，比较了有机分子、二元合金和 Al-Ga-In 倍半氧化物的能量预测。
引用
@article{arxiv.2003.12081,
title = {Representations of molecules and materials for interpolation of quantum-mechanical simulations via machine learning},
author = {Marcel F. Langer and Alex Goeßmann and Matthias Rupp},
journal= {arXiv preprint arXiv:2003.12081},
year = {2022}
}
备注
20 pages, 6 figures, excluding supplement (19 pages, 5 figures); v2: extended review and discussion, more representations covered, edited for clarity. For additional information, including datasets, results, and software see https://marcel.science/repbench