用于化学动力学模拟的原子神经网络表示
机器学习技术已广泛应用于化学、物理、生物学和材料科学的许多领域。最富有成果的应用之一是从离散量子化学数据中学习势能或相关电子特性的复杂多维函数。特别是，大量努力致力于开发各种原子神经网络 (AtNN) 表示，这些表示是指将目标物理量表示为由原子 NN 表示的原子分量之和的一系列方法。这类方法不仅完全保留了系统的物理对称性，而且相对于系统的大小呈线性缩放，从而能够在复杂系统甚至跨相的多个可变大小系统中进行准确有效的化学动力学和光谱模拟。
机器之心 · 2022-12-30 12:00:00
