原子环境空间中的元动力学采样用于收集机器学习势函数的训练数据
摘要：机器学习势能（MLPs）的普遍数学形式将原子间势能的开发核心转移到了收集合适的训练数据上。理想情况下，训练集应涵盖多样的局部原子环境，但传统方法容易重复采样相似配置，主要是由于玻尔兹曼统计的原因。因此，实践者需要手动挑选大量不同的配置，这会显著延长开发周期。在这里，我们提出了一种新的采样方法，通过将局部原子环境描述符作为集体变量来优化收集不同但相关的配置。结果是，模拟会自动导向访问过的局部环境空间，使得每个原子都能经历多样化的化学环境而没有冗余。我们将所提出的元动力学采样方法应用于H:Pt(111)，GeTe和Si系统。通过这些示例，少量的元动力学轨迹就可以提供训练高保真度MLPs所需的参考结构。通过提出针对MLPs优化的半自动采样方法，本研究为MLPs在许多具有挑战性的应用领域打开了更广阔的应用前景。
作者：Dongsun Yoo, Jisu Jung, Wonseok Jeong, and Seungwu Han
论文ID：2012.13266
分类：Computational Physics
分类简称：physics.comp-ph
提交时间：2021-08-17