基于范围修正深度势模型的高效振动频率计算的机器学习方法
摘要：机器学习的基于修正范围的深度势模型(DPRc)方法提高了振动光谱模拟的计算效率。 DPRc方法将系统分为“探针区域”和“溶剂区域”，神经网络中不计算“溶剂-溶剂”相互作用。我们将该方法应用于两个系统：甲酸的羰基伸缩和MeCN的氮碳伸缩在水中的频率漂移。所有数据集都是使用量子振动扰动(QVP)方法准备的。我们测试了不同区域划分、单体校正、截断范围和训练数据大小的影响。单个分子“探针区域”模型显示出稳定的准确性；它的运行速度大约是常规DP的10倍，培训时间缩短了大约4倍。这种方法高效、易于应用，可用于计算各种光谱。
作者：Jitai Yang, Yang Cong, You Li, and Hui Li
论文ID：2303.15969
分类：Chemical Physics
分类简称：physics.chem-ph
提交时间：2023-07-20