跳到主页内容
美国国旗

美国政府的官方网站

Dot政府

gov意味着它是官方的。
联邦政府网站通常以.gov或.mil结尾。之前分享敏感信息，确保你在联邦政府政府网站。

Https系统

网站是安全的。
这个https（https）：//确保您连接到官方网站，并且您提供的任何信息都是加密的并安全传输。

访问密钥 NCBI主页 MyNCBI主页 主要内容 主导航
.2009年4月7日；130(13):134101.
doi:10.1063/1.3095491。

用前馈神经网络同时拟合势能面及其相应的力场

一个Pukritayakamee 1, M马歇尔, M哈根, L M拉夫, R Narulkar先生, S Bukkapatnum公司, R科曼杜里
附属公司

用前馈神经网络同时拟合势能面及其相应的力场

一个Pukritayakamee等。 化学物理杂志. .

摘要

提出了一种改进的神经网络（NN）方法，用于同时开发精确的势能超曲面和相应的力场，可用于对气相化学反应进行从头算分子动力学和蒙特卡罗研究。该方法被称为组合函数导数近似（CFDA）。CFDA方法的新颖之处在于，尽管神经网络只有一个代表势能的输出神经元，但网络的训练方式是使神经网络输出的导数与势能超曲面的梯度相匹配。因此，通过对网络进行微分，可以简单地计算出精确的力场。然后，使用神经网络对计算出的能量和梯度进行精确插值。这种方法优于将梯度显示在神经网络的输出层，因为它大大简化了所需的网络结构。CFDA允许相对于梯度拟合对函数拟合进行加权。在我们在六个不同系统上运行的每个测试中，CFDA培训（没有验证集）产生的样本外测试错误比提前停止（有验证集）或贝叶斯正则化（没有验证集中）小。这表明，与目前使用的标准方法相比，国家食品药品监督管理局的培训在防止过度注水方面做得更好。训练数据可以使用经验势面或任何从头算方法获得。该方法的准确性和插值能力已经用分析势对H+HBr的反应动力学进行了测试。结果表明，与以前的方法相比，目前的神经网络训练技术能够更准确地拟合势能面和相应的力场。拟合和插值精度如此之高（均方根误差=1.2cm（-1）），以至于在NN势上计算的轨迹与分析表面上的相应轨迹逐点一致。

PubMed免责声明

类似文章

查看所有类似文章

引用人

  • 为反应系统训练机器学习潜力：关于基本模型的Colab教程。
    潘X、斯奈德R、王JN、兰德C、威基泽C、范R、切斯尼A、薛Y、毛Y、梅Y、蒲J、邵Y。 Pan X等人。 计算机化学杂志。2024年4月15日；45(10):638-647. doi:10.1002/jcc.27269。Epub 2023年12月11日。 计算机化学杂志。2024 PMID：38082539
  • 材料科学和化学的图形神经网络。
    Reiser P、Neubert M、Eberhard A、Torresi L、Zhou C、Shao C、Metni H、van Hoesel C、Schopmans H、Sommer T、Friederich P。 Reiser P等人。 Commun Mater公司。2022;3(1):93. doi:10.1038/s43246-022-00315-6。Epub 2022年11月26日。 Commun Mater公司。2022 PMID：36468086 免费PMC文章。 审查。
  • 大分子排列不变势能面的高效生成。
    Conte R、Qu C、Houston PL、Bowman JM。 Conte R等人。 化学理论计算杂志。2020年5月12日；16(5):3264-3272. doi:10.1021/acs.jctc.0c00001。Epub 2020年4月8日。 化学理论计算杂志。2020 PMID：32212729 免费PMC文章。
  • 将随机表面行走全局优化与神经网络相结合的材料发现。
    黄SD，尚C，张XJ，刘ZP。 Huang SD等。 化学科学。2017年9月1日；8(9):6327-6337. doi:10.1039/c7sc01459g。Epub 2017年6月30日。 化学科学。2017 PMID：29308174 免费PMC文章。
  • 多尺度量子力学/神经网络分子力学模拟。
    沈磊，吴杰，杨伟。 沈立等。 化学理论计算杂志。2016年10月11日；12(10):4934-4946. doi:10.1021/acs.jctc.6b00663。Epub 2016年9月6日。 化学理论计算杂志。2016 PMID：27552235 免费PMC文章。

LinkOut-更多资源