字體:小 中 大 | |
|
|
2021/12/07 23:20:37瀏覽51|回應0|推薦0 | |
編譯/文龍機器學習正在重塑許多科學和工程領域的研究方法。在表面催化領域,機器學習的各種應用不斷涌現,能夠對分子進行更廣泛的模擬,包括分離研究、結構優化、力場的動態學習和高通量篩選。 加速大量配置的主動學習的潛在方法論文的通訊作者 John R. Kitchin 表示:「這項工作的另一個目標是概述基于神經網絡的在線學習在各種局部幾何構型優化任務上的性能。」該團隊從兩個方面加速主動學習過程:一是限制用于在每一步更新智能體模型的訓練集的大小;二是不同弛豫(relaxation)軌跡的信息可以相互共享以加速整體弛豫過程。整個工作流程從需要弛豫的初始配置開始。首先,計算 DFT 能量和力,并使用此初始信息訓練神經網絡。然后,該模型與優化器一起使用以減少配置的能量。當遇到不確定的配置或達到弛豫標準時,模型的弛豫停止。提交不確定的配置以進行進一步的 DFT 計算。Kitchin 進一步解釋說:「通常,當我們進行幾何構型優化時,我們會從頭開始,使得計算很少從我們過去所知道的事情中受益。通過在過程中添加智能體,我們使其能夠依賴先前的計算,而不是每次都從頭開始。」論文鏈接:http://dx.doi.org/10.1063/5.0049665項目地址:https://github.com/lmj1029123/SingleNN 參考內容:https://phys.org/news/2021-07-geometry-optimization-molecular-simulation.html × [ 生物 神經科學 數學 物理 材料 ] 「ScienceAI」關注人工智能與其他前沿技術及基礎科學的交叉研究與融合發展。 歡迎關注標星,并點擊右下角點贊和在看。 點擊閱讀原文,加入專業從業者社區,以獲得更多交流合作機會及服務。 【最新研究】 本拉登被殺的真相,最美的侄女是間諜,現在跑去美國當艷星【問卦】 【電訴寶】霸王條款?用戶投訴“走著瞧旅行”退費僅退40%還遲遲不到賬【專家解說】 世界愛滋病日:加強預防,實現「長治久安」 |
|
( 創作|教育文化 ) |