| 高效选取线性独立的原子特征构建精确机器学习势函数 |
| |
| 引用本文： | 夏俊凡,张耀龙,蒋 彬.高效选取线性独立的原子特征构建精确机器学习势函数[J].化学物理学报,2021,34(6):695-703. |
| |
| 作者姓名： | 夏俊凡 张耀龙 蒋 彬 |
| |
| 作者单位： | 中国科学技术大学化学物理系，合肥微尺度物质科学国家研究中心，安徽省教育厅表界面化学与能源催化重点实验室，合肥 230026 |
| |
| 摘 要： | 机器学习势由于具有与第一性原理计算相当的准确性，且低得多的计算成本，在原子模拟中极具前景. 然而原子机器学习势的可靠性、速度和可迁移性在很大程度上取决于原子构型的表示. 适当地选取用作机器学习程序输入的描述符是一个成功的机器学习表示的关键. 本文发展了一种简单有效的方法，可以基于训练数据固有的相关性，从大量待选的描述符中自动选取一组最佳的线性独立原子特征. 通过对几个具有较少冗余线性独立嵌入密度描述符的基准分子构建嵌入原子神经网络势的应用，证明了这种新方法的有效性和准确性. 该算法可以大大简化原子特征的初始选取，并极大地提高原子机器学习势的性能.
|
| 关 键 词： | 线性独立，特征选取，原子描述符，机器学习，嵌入原子神经网络 |
| 收稿时间： | 2021/9/12 0:00:00 |
Efficient Selection of Linearly Independent Atomic Features for Accurate Machine Learning Potentials |
| |
| Jun-fan Xi,Yao-long Zhang,Bin Jiang.Efficient Selection of Linearly Independent Atomic Features for Accurate Machine Learning Potentials[J].Chinese Journal of Chemical Physics,2021,34(6):695-703. |
| |
| Authors: | Jun-fan Xi Yao-long Zhang Bin Jiang |
| |
| Institution: | Hefei National Laboratory for Physical Science at the Microscale, Department of Chemical Physics, Key Laboratory of Surface and Interface Chemistry and Energy Catalysis of Anhui Higher Education
Institutes, University of Science and Technology of China, Hefei 230026, China |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《化学物理学报》浏览原始摘要信息 |
| 点击此处可从《化学物理学报》下载免费的PDF全文 |
