Nouveau modèle d'apprentissage automatique pour la simulation moléculaire sous champ externe
L'équipe de recherche du professeur JIANG Bin de l'Université des sciences et technologies de Chine (USTC) a mis au point un modèle universel de réseau neuronal atomique récursivement intégré (FIREANN) induit par le champ, qui peut simuler avec précision les interactions entre le système et le champ avec une grande efficacité.
Schémas du cadre FIREANN.
Prof. JIANG’s team
La simulation atomique joue un rôle crucial dans la compréhension des spectres et de la dynamique des systèmes chimiques, biologiques et matériels complexes au niveau microscopique. La clé des simulations atomiques est de trouver une représentation précise des surfaces d'énergie potentielle (PES) à haute dimension. Ces dernières années, l'utilisation de modèles atomistiques d'apprentissage machine (ML) pour représenter avec précision les PES est devenue une pratique courante. Cependant, la plupart des modèles d'apprentissage automatique ne décrivent que des systèmes isolés et ne peuvent pas capturer les interactions entre les champs externes et les systèmes, qui peuvent changer la structure chimique et contrôler la transition de phase via la polarisation électronique ou de spin induite par le champ. Il est donc urgent de mettre au point un nouveau modèle de ML prenant en compte les champs externes.
Pour résoudre ce problème, l'équipe de recherche du professeur JIANG a proposé une approche "tout-en-un". L'équipe a d'abord traité les champs externes comme des atomes virtuels et a utilisé les densités d'atomes intégrés (EAD) comme descripteurs de l'environnement atomique. L'EAD induite par le champ (FI-EAD) a été dérivée de la combinaison linéaire des orbitales dépendant du champ et des orbitales basées sur les coordonnées des atomes, ce qui capture la nature de l'interaction entre le champ externe et le système, conduisant au développement du modèle FIREANN.
Ce modèle établit une corrélation précise entre diverses propriétés de réponse du système, telles que le moment dipolaire et la polarisabilité, et les changements d'énergie potentielle qui dépendent des champs externes, fournissant ainsi un outil précis et efficace pour la spectroscopie et les simulations dynamiques de systèmes complexes soumis à des champs externes.
L'équipe a vérifié la capacité du modèle FIREANN en effectuant des simulations dynamiques du N-méthylacétamide et de l'eau liquide sous un champ électrique externe puissant, qui ont toutes deux démontré une grande précision et une grande efficacité. Il convient de mentionner que pour les systèmes périodiques, le modèle FIREANN peut surmonter le problème inhérent des valeurs multiples de la polarisation en s'entraînant uniquement avec les données des forces atomiques.
Cette recherche a comblé le manque de représentation précise du champ externe dans le modèle ML, ce qui contribuera à l'avancement des simulations moléculaires en chimie, en biologie et en science des matériaux.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Autres actualités du département science
Recevez les dernières actualités de l’industrie chimique
Ne manquez plus aucune actualité : notre newsletter consacrée à l'industrie chimique, aux méthodes analytiques, aux laboratoires et à la technologie des processus vous informe tous les mardis et jeudis. Les dernières nouvelles du secteur, les produits phares et les innovations - de manière compacte et compréhensible dans votre boîte de réception. Recherché par nos soins, pour que vous n'ayez pas à le faire.
