大数据遇见量子化学近似："$Delta$-机器学习方法"
摘要：合成机器学习纠正计算成本较低的近似量子方法，从而实现对所有可能分子的虚拟空间进行化学准确和全面的研究受到了严重的限制。在训练后，可以对熵、热力学性质、电子相关能进行高度准确的预测，可以处理比训练使用的分子集合大得多的分子集合。对C7H10O2的最多16000个同分异构体的热力学性质，我们提供了化学准确性可以达到的数值证据。我们还可以以Hartree-Fock的计算成本预测后Hartree-Fock方法中的电子相关能，并建立了分子熵与电子相关性之间的定性关系。我们使用半经验量子化学和机器学习模型，这些模型在1%和10%的134k有机分子上进行训练，以在密度泛函理论水平上重现其余所有分子的焓。
作者：Raghunathan Ramakrishnan and Pavlo O. Dral and Matthias Rupp and O. Anatole von Lilienfeld
论文ID：1503.04987
分类：Chemical Physics
分类简称：physics.chem-ph
提交时间：2023-04-14