通过静电嵌入实现精确的第四代机器学习势能
摘要：机器学习潜力（MLPs）在原子模拟中取得了显著进展，应用范围从化学到材料科学。尽管大多数当前的MLPs基于环境依赖的原子能量，但通过包括基于平衡的全局电荷分布的长程静电相互作用，可以克服这种局部性近似的限制，例如第四代MLPs。除了考虑的相互作用之外，MLPs的质量主要取决于系统的信息，即描述符。在这项工作中，我们表明，除了结构信息之外，还包括由原子环境中的电荷分布产生的静电势，可以显著提高势函数的质量和可迁移性。此外，扩展的描述符允许克服基于两体和三体特征向量的人工退化原子环境的当前限制。这种电荷嵌入的第四代高维神经网络势能（ee4G-HDNNP），通过成对相互作用进一步增强了其能力，并以NaCl作为基准系统进行了演示。采用仅包含中性和带负电的NaCl团簇的数据集，甚至可以解析不同团簇几何形状之间的小能量差异，并且该势函数还显示出对带正电的团簇以及熔融体的令人印象深刻的可迁移性。
作者：Tsz Wai Ko, Jonas A. Finkler, Stefan Goedecker, J"org Behler
论文ID：2305.10692
分类：Chemical Physics
分类简称：physics.chem-ph
提交时间：2023-05-19