用于机器学习原子间势的原子环境表示的灵敏度与维度
材料科学
2020-10-28 v2 化学物理
摘要
忠实表示化学环境对于用机器学习方法描述材料与分子至关重要。在此，我们对这些表示进行系统分类，进而研究：(i) 对扰动的灵敏度，以及 (ii) 多种原子环境表示在一系列材料数据集上的有效维度。所研究的表示包括原子中心对称函数、切比雪夫多项式对称函数 (CHSF)、原子位置平滑重叠、多体张量表示与原子团簇展开。在 (i) 方面，我们表明所有原子环境表示在切向扰动下均非线性稳定，且对于 CHSF 在特定扰动选择下存在不稳定性，我们展示可通过对该表示稍作重定义予以消除。在 (ii) 方面，我们发现大多数表示可在不损失精度的情况下被显著压缩，并且进一步发现选取表示方法的最优子集可提升针对给定数据集所建回归模型的准确性。
引用
@article{arxiv.2006.01915,
title = {Sensitivity and Dimensionality of Atomic Environment Representations used for Machine Learning Interatomic Potentials},
author = {Berk Onat and Christoph Ortner and James R. Kermode},
journal= {arXiv preprint arXiv:2006.01915},
year = {2020}
}