Fortnet公司 swMATH ID: 41204 软件作者： 塔莫·范德海德、乔拉·库尔格伦、彼得·布罗奎斯特、弗拉基米尔·巴契奇、托马斯·弗劳恩海姆、巴林特·阿拉迪 说明： Fortnet是一个训练Behler-Parrinello神经网络的软件包。开发了一个新的开源并行独立软件包（Fortnet），它实现了Behler-Parrinello神经网络。它涵盖了从特征生成到生成潜力评估的整个工作流程，以及更高级别的分析，例如原子力的分析计算。通过驱动密度泛函紧束缚（DFTB）方法拟合校正函数的训练，证明了软件包的功能，该方法通常用于补偿DFTB近似到Kohn-Sham哈密顿量所产生的误差。这些校正函数的通常两体形式限制了参数化在非常不同的结构环境之间的可传递性。最近引入的DFTB+ANN方法试图通过将DFTB与近视人工神经网络（ANN）相结合来消除这些限制。在研究了各种方法之后，我们发现DFTB与ANN的组合作用在一些基线校正函数之上（增量学习）是最有希望的方法。它允许在两体参数化的基础上引入多体修正，同时可以证明在具有偏离能量学的化学环境中具有良好的可转移性。 主页： https://fortnet.readthedocs.io/en/latest/ 源代码： https://github.com/vanderhe/fortnet 依赖项： Fortran语言 关键词： 化学物理学;arXiv_物理.chem-ph;物理;arXiv_physics.comp-ph公司;贝勒·帕里内洛;神经网络;密度函数紧束缚;DFTB公司 相关软件： VASP公司;ASE公司;高密度纤维;Scikit公司;PyTorch公司;TensorFlow公司;凯拉斯 引用于： 0个文档 标准条款 1出版物描述软件 年份 Fortnet，用于训练Behler-Parrinello神经网络的软件包arXiv公司塔莫·范德海德、乔拉·库尔格伦、彼得·布罗奎斯特、弗拉基米尔·巴契奇、托马斯·弗劳恩海姆、巴林特·阿拉迪 2022