PWmat强大的第一性原理计算能力有望在有限计算资源内增加可模拟的体系尺寸或模拟的时长

本文整理自/《机器学习在分子动力学中的应用》培训视频

原创/wlj

编辑/paprika

力场的概念，机器学习的作用

我们都知道在很多实际问题中，需要模拟体系的动态过程，而这需要计算体系的能量。但第一性原理计算能量成本过高，无法解决很多有现实价值的大体系问题。在上世纪70年代人们提出力场的概念，以原子的几何排布来近似能量，大幅加快计算能量的速度。一般来说，力场会考虑原子间距离、化学键夹角以及其他更复杂的特征。

经过大约几十年的发展，力场在生物制药领域得到非常广泛的应用。很多国外的大型药企，都在力场的研发上有相当大的投入。但是我们称之为经典力场的这套方法，在很多情况下精度并不令人满意。力场的开发许多时候依赖于经验和实验数据，所以自然会引入一些噪音，这对力场的精度会造成影响。另外材料、化学工程领域，许多问题需要考虑量子力学效应，需要在力场中有体现。

力场的开发本质上是一个拟合的过程。举一个简单例子，对一个只有2个原子的体系，显然最重要的一个参数就是两个原子之间的距离。如果我们能够在某一个给定的范围内，很好地拟合出距离和能量之间的关系，那么就可以认为这是一个考虑周全的优秀力场。显然，对于更复杂的体系࿰