为分子建模扩展OpenKIM的不确定性量化工具包
摘要：开发和应用量子点分子模型的的核心在于相互势(a. k. a. interatomic potentials， IP)。模型的准确性很大程度上取决于相互势的选择，因此传统的不确定性量化方法是用来评估和研究不确定性巨大的分子模型的可靠性的。 基于这一目的，开放式知识库的相互作用原子模型（OpenKIM）是一个典型的网络基础设施项目，旨在集中和标准化相互作用原子模型的研究以及使其可重现。 KLIFF是OpenKIM框架的一部分，是一个基于Python的KIM (KIM-based Learning-Integrated Fitting Framework) 软件包，提供了用于将IP的参数拟合到实验数据的工具。此论文是KLIFF的不确定性量化工具箱的扩展。我们主要关注两个不确定性源：参数变异和IP的函数形式的不充分性。我们的实现使用并行加热马尔科夫链蒙特卡洛（PTMCMC）方法来调整采样温度以估计IP函数形式导致的不确定性。以Stillinger-Weber相互势的硅在金刚石配置中的原子能量和力的预测为例进行了验证。最后，我们强调了使用和应用这些工具时可能遇到的一些潜在细微之处，并为从业者和IP开发人员提出了建议。
作者：Yonatan Kurniawan (1), Cody L. Petrie (1), Mark K. Transtrum (1), Ellad B. Tadmor (2), Ryan S. Elliott (2), Daniel S. Karls (2), Mingjian Wen (3) ((1) Department of Physics and Astronomy, Brigham Young University, Provo, United States, (2) Department of Aerospace Engineering and Mechanics, University of Minnesota, Minneapolis, United States, (3) Energy Technologies Area, Lawrence Berkeley National Laboratory, Berkeley, United States)
论文ID：2206.00578
分类：Computational Physics
分类简称：physics.comp-ph
提交时间：2022-08-24