機械学習ポテンシャルの伝達性:プロトン化水六量体に適用したプロトン化水ニューラルネットワークポテンシャル【JST・京大機械翻訳】

Schran Christoph; Brieuc Fabien; Marx Dominik

プレプリント

J-GLOBAL ID：202202207329008566 整理番号：21P0057587

機械学習ポテンシャルの伝達性:プロトン化水六量体に適用したプロトン化水ニューラルネットワークポテンシャル【JST・京大機械翻訳】

Transferability of machine learning potentials: Protonated water neural network potential applied to the protonated water hexamer

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 (3件)： , ,
資料名：
発行年： 2020年10月28日プレプリントサーバーでの情報更新日： 2021年01月05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。

プロトン化水クラスタをプロトン化した水四量体,H ̄+(H_2O)_4,を本質的に収束した結合クラスタ精度(J.Chem)で記述するための以前に発表されたニューラルネットワークポテンシャルを示した。理論Comput.16,88(2020)をプロトン化水六量体,H ̄+(H_2O)_6-a系に適用し,ニューラルネットワークが以前には見られない。外挿領域にあるが,ポテンシャルは,超低温Δλ1Kから300Kまでの量子シミュレーションを可能にするだけでなく,明示的結合クラスタ計算と比較して,新しい系を非常に正確に記述できることを示した。このモデルのこの伝達性は,モデルの訓練セットにおける環境と比較して,より大きなクラスタに対して遭遇する原子環境の類似性によって合理化される。内挿領域と比較して,モデルの品質はおよそ1桁減少するが,結合クラスタ基準に対する差はポテンシャルエネルギー表面の大域的シフトから来るが,局所エネルギー変動はよく回復する。これらの結果は,外挿領域におけるニューラルネットワーク電位の適用が有用な結果を提供し,通常考えられていたよりも一般的であるかもしれないことを示唆する。【JST・京大機械翻訳】

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

分子化合物 , 原子・分子のクラスタ

, , , ,

前のページに戻る