面向机器学习的分子与晶体统一表示
化学物理
2022-11-28 v4 材料科学
摘要
从第一性原理对原子系统进行精确模拟受限于计算成本。在高通量环境下，机器学习可通过在参考计算之间准确插值来显著降低这些成本。为此，核学习方法迫切需要一种能容纳任意原子系统的表示。我们引入了一种多体张量表示，其对平移、旋转和同元素核置换具有不变性，是唯一的、可微的，能够表示分子和晶体，并且计算快速。利用核回归和对称梯度域机器学习作为模型，针对分子结构变化、晶体化学和分子动力学，给出了具有竞争力的能量和力预测误差的经验证据。对Pt族/过渡金属二元体系的相图展示了其适用性。
引用
@article{arxiv.1704.06439,
title = {Unified Representation of Molecules and Crystals for Machine Learning},
author = {Haoyan Huo and Matthias Rupp},
journal= {arXiv preprint arXiv:1704.06439},
year = {2022}
}
备注
Final revised version, major update