WACSF  機械学習ポテンシャルにおける記述子としての加重原子中心対称関数【JST・京大機械翻訳】

Gastegger Michael; Schwiedrzik Ludwig; Bittermann Marius; Berzsenyi Florian; Marquetand Philipp

プレプリント

J-GLOBAL ID：202202200694754515 整理番号：21P0005749

WACSF 機械学習ポテンシャルにおける記述子としての加重原子中心対称関数【JST・京大機械翻訳】

WACSF - Weighted Atom-Centered Symmetry Functions as Descriptors in Machine Learning Potentials

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2017年12月15日プレプリントサーバーでの情報更新日： 2017年12月15日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

機械学習によるエンタルピーまたはポテンシャルエネルギーのような化学的性質の予測に使用するための化学系の幾何学の記述子として,重み付き原子中心対称性関数(wACSF)を導入した。wACSFsは従来の原子中心対称関数(ACSFs)に基づいているが,化学系における異なる元素の数の増加とともに後者の望ましくないスケーリングを克服する。これらの2つの記述子の性能を,参照データとしてQM9データベースで報告された5つの異なる要素を含む133855分子の分子構造と関連エンタルピーを用いて,高次元ニューラルネットワークポテンシャル(HDNNP)における入力としてそれらを用いて比較した。分子構造の同程度の空間分解能を得るためには,ACSFよりも実質的に小さい数のwACSFsが必要である。同時に,wACSFsのこのより小さなセットは,従来のACSFの大規模セットよりも機械学習ポテンシャルにおいて,著しく良好な一般化性能をもたらした。さらに,記述子の固有パラメータを,高度に自動化された方法で遺伝的アルゴリズムで最適化できることを示した。ここで採用したwACSFsに対して,単純な経験的パラメータ化スキームを用いることは,高精度でHDNNPを得るために十分であることを見いだした。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

分子の電子構造

, , , , , ,

前のページに戻る