大規模原子動力学のための局所等価表現の学習【JST・京大機械翻訳】

Musaelian Albert; Batzner Simon; Johansson Anders; Sun Lixin; Owen Cameron J.; Kornbluth Mordechai; Kozinsky Boris

プレプリント

J-GLOBAL ID：202202220127825348 整理番号：22P0329671

大規模原子動力学のための局所等価表現の学習【JST・京大機械翻訳】

Learning Local Equivariant Representations for Large-Scale Atomistic Dynamics

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 (7件)： , , , , , ,
資料名：
発行年： 2022年04月11日プレプリントサーバーでの情報更新日： 2022年04月11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)

分子および材料のエネルギーおよび原子力の同時正確で計算効率の良いパラメータ化は,自然科学における長年の目標である。この目標の追求において,神経メッセージ通過は,原子グラフに沿った反復通過メッセージを通して原子の多体相関を記述することによりパラダイムシフトをもたらす。しかし,情報のこの伝播は並列計算を困難にし,研究できる長さスケールを制限する。一方,厳密な局所ディスクリプタベースの方法は,大規模システムにスケールできるが,現在,メッセージ通過アプローチで観測される高精度に整合しない。本研究は,並列計算の優れた精度とスケーラビリティを同時に示す,厳密な局所等変深学習原子間ポテンシャルであるAllegroを導入した。学習された等変表現の一連のテンソル積を用いて,メッセージパッシングに頼らずに,アレッグロは原子座標の多体機能を学習する。対立遺伝子は,QM9と改訂MD-17データセットに関する最新の方法の改善を得る。単一テンソル積層は,QM9ベンチマーク上の既存の深層メッセージ通過ニューラルネットワークと変圧器より優れていることを示した。さらに,Allegroは分布外データに対して顕著な一般化を示した。非晶質リン酸塩電解質の構造及び速度論特性に基づく分子動力学シミュレーションは,第一原理計算と優れた一致を示した。最後に,著者らは100百万原子の動力学シミュレーションによるAllegroの並列スケーリングを示した。【JST・京大機械翻訳】

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

分子の性質一般 , 固体の機械的性質一般

, , ,

前のページに戻る