跳到主要内容
检索

# 机器学习原子间势

3 篇关联报道

订阅更新
  1. arXiv

    线性ACE势的不确定性有了校准办法:删一构型刀切定形状,一个共形分位数定尺度,硅的20个性质多数落入95%区间

    线性原子团簇展开(ACE)势在训练标签为确定性密度泛函数据时属于模型设定错误,贝叶斯后验方差会低估误差。研究用删一构型的CR3刀切协方差给出形状、用留出数据上的一个共形分位数给出尺度,在留出硅数据上把每原子力区间校准到接近名义覆盖率,并把同一参数分布经隐式微分传播到21个硅性质;对较小与较大两个模型,20个计分性质中分别有17个和15个落入95%区间,较大模型的区间约窄4倍。

  2. arXiv

    激发态机器学习势改用局部哈密顿量:两个分子相距10 Å时,能级仍精确等于各自能级之并

    激发态能量不像基态能量那样可以写成原子贡献之和,因此把多个态直接汇总输出的机器学习势,在分子变大或两个分子同时出现时会偏离。LEH-MACE 改为由每个原子的对角块和原子对之间的耦合块拼成一个对称矩阵,取其特征值作为单重激发能,使相距超过截断的两个分子的谱精确等于各自谱的并集。在约30.3万个几何、10.7万个分子的TD-DFT数据上,这种构造在远离训练分布时优势扩大,对分子对只有它保持了单分子精度。

  3. Nanoscale

    硫化氢在耐火氧化物上如何停留:基础模型先筛构型,DFT 光谱复现实验谱带次序

    硫化氢在纳米尺度耐火氧化物表面是物理吸附还是解离,此前难以穷举构型空间。研究把无偏自动吸附采样与现成原子间基础模型结合,先由 MACE 的 MPA 模型筛出候选极小值,再逐一对候选做 PBE-D2*(N) 与 HSE06 的 DFT 精修,并用 DFT 计算的多构型红外谱与 150 K 原位红外谱对照。计算谱复现了 H–S 伸缩峰在三类材料上的红移次序:二氧化硅 2603 cm⁻¹、镁橄榄石 2588 cm⁻¹、MgO 2504 cm⁻¹。

已读完全部报道