TorchMD-Net 2.0：用于分子模拟的快速神经网络势
机器学习
2024-05-24 v3 生物物理
化学物理
计算物理
摘要
在分子模拟中实现计算速度、预测精度和通用适用性之间的平衡一直是一个持续的挑战。本文介绍了 TorchMD-Net 软件的重大进展，这是从传统力场转向基于神经网络的势的关键一步。文章强调了 TorchMD-Net 演变为一个更全面和多功能的框架，融合了 TensorNet 等前沿架构。这一转变是通过模块化设计方法实现的，鼓励科学界进行定制化应用。最显著的增强是计算效率的显著提升，实现了 TensorNet 模型能量和力计算的显著加速，性能较之前的版本提升了 2 到 10 倍。其他增强包括支持周期性边界条件的高度优化的邻居搜索算法，以及与现有分子动力学框架的平滑集成。此外，更新版本引入了整合物理先验的能力，进一步丰富了其应用谱系和研究效用。该软件可在 https://github.com/torchmd/torchmd-net 获取。
引用
@article{arxiv.2402.17660,
title = {TorchMD-Net 2.0: Fast Neural Network Potentials for Molecular Simulations},
author = {Raul P. Pelaez and Guillem Simeon and Raimondas Galvelis and Antonio Mirarchi and Peter Eastman and Stefan Doerr and Philipp Thölke and Thomas E. Markland and Gianni De Fabritiis},
journal= {arXiv preprint arXiv:2402.17660},
year = {2024}
}
备注
Version accepted in Journal of Chemical Theory and Computation