文献

J-GLOBAL ID：201702269325015636   整理番号：17A1553115

赤外スペクトルのシミュレーションのための機械学習分子動力学【Powered by NICT】

Machine learning molecular dynamics for the simulation of infrared spectra

著者 (3件)： Gastegger Michael (University of Vienna, Faculty of Chemistry, Institute of Theoretical Chemistry, Waehringer Str. 17, 1090 Vienna, Austria. [e-mail]) ,  Behler Joerg ,  Marquetand Philipp
資料名： Chemical Science (Web)  (Chemical Science (Web))
巻： 8  号： 10  ページ： 6924-6935  発行年： 2017年 
JST資料番号： U7042A  ISSN： 2041-6539  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 機械学習は多くの研究分野における非常に貴重なツールとして出現した。本研究では,この力を活用する前例のない計算効率で高精度分子赤外スペクトルを予測した。振動非調和性と動力学効果-通常の量子化学アプローチにより無視された-を説明するために,ab initio分子動力学シミュレーションに関する著者らの機械学習戦略。これらのシミュレーションは,小分子に対しても通常は非常に時間がかかるが,著者らは,さまざまな機械学習技法の能力を活用するだけでなく,数桁の大きさでシミュレーションを加速するが,処理できる系のサイズを非常に拡大してこれらの限界を克服した。この目的のために,環境依存ニューラルネットワーク電荷に基づく分子双極子モーメントモデルを開発し,BehlerとParrinelloのニューラルネットワークポテンシャル法とを組み合わせた。一般的なビッグデータ哲学とは対照的に,わずか百電子構造参照点に基づく赤外スペクトルの予測のための非常に正確な機械学習モデルを得ることができた。これはニューラルネットワークポテンシャル訓練中の分子力の利用と完全に自動化されたサンプリング方式の導入により可能になった。メタノール分子の赤外スペクトル,200原子までを含むn-アルカンとプロトン化アラニントリペプチド,同時にペプチドの動力学をシミュレートするために機械学習技術の最初の応用をモデル化するためにそれを適用してこの機械学習アプローチの能力を示した。これら全てのケーススタディでは,機械学習モデルとそれぞれの理論的および実験的スペクトルにより予測された赤外スペクトルの間に優れた一致を見出した。Copyright 2017 Royal Society of Chemistry All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *分子動力学 ,  モデリング ,  電子構造 ,  量子化学 ,  プロトン化 ,  事例研究 ,  自動化 ,  *赤外スペクトル ,  ペプチド ,  双極子モーメント ,  小分子 ,  *機械学習 ,  計算機シミュレーション ,  ニューラルネットワーク ,  脂肪族アルコール
準シソーラス用語： 分子動力学シミュレーション , 【Automatic Indexing@JST】

分類 (5件)： 酵素一般  (EB09010D) ,  非金属化合物  (CD01070R) ,  生物学的機能  (EB03040U) ,  分子構造  (EB03020Y) ,  蛋白質・ペプチド一般  (EB03010N)

物質索引 (1件)： メタノール

タイトルに関連する用語 (4件)： 赤外スペクトル ,  シミュレーション ,  機械学習 ,  分子動力学