化学空间中QM性质的进化蒙特卡洛：电解质设计
摘要：优化有机分子空间上的目标函数是应用科学中出现的一个重要问题，但也是一个非常困难的问题，因为可能的分子系统数量巨大。我们提出了一种进化蒙特卡罗算法来解决这类问题，该算法能够直接调节优化过程的探索和开发特性，同时保持遗传算法的有利特性。这种方法被称为MOSAiCS（在化学空间中通过采样自适应进行Metropolis优化），在与电池电解质组分优化相关的问题上进行了测试，即在水中最小化溶剂化能或在强制HOMO-LUMO间隙下最大化偶极矩的情况下。优化是通过QM9和电解质基因组计划（EGP）数据集启发的分子图形集合进行的。MOSAiCS可靠地生成具有良好目标量值的分子候选物，这些值在大多数情况下优于QM9或EGP中找到的值。虽然本研究中的优化结果有时需要进行高达$10^{6}$的QM计算，因此只有在使用高效的从头近似性质的计算方法时才可行，但我们讨论了使用机器学习方法加速MOSAiCS的可能策略。
作者：Konstantin Karandashev, Jan Weinreich, Stefan Heinen, Daniel Jose Arismendi Arrieta, Guido Falk von Rudorff, Kersti Hermansson, and O. Anatole von Lilienfeld
论文ID：2307.15563
分类：Chemical Physics
分类简称：physics.chem-ph
提交时间：2023-07-31