JZJQuest-CSDN博客

原创基于机器学习的原子间势能面模型

基于机器学习的原子间势能模型是近年来材料科学、化学和物理学等领域的研究热点。这些模型利用机器学习算法从大量数据中学习原子间的相互作用规律，以实现对材料性质的精确预测。

2024-07-14 13:53:01 804

在本节中，我们考虑五项任务，包括分子表示学习、分子构象异构体生成、从头开始分子生成、分子动力学模拟以及学习立体化学和构象灵活性。在分子表征学习中，l=0的情况对应于不变方法，包括SchNet[Schütt等人2018]、DimeNet[Gasteiger等人2020]、SphereNet[Liu等人2022f]、GemNet[Gasteiger等人2021]和ComENet[Wang等人2022g]。l=1情况对应于具有1阶向量特征。

2024-07-10 16:53:53 560

原创梯度优化（SGD、Adam、动量、mini-batch）

注意：这个示例使用了全批量梯度下降（Full Batch Gradient Descent）的更新方式（即每次迭代都遍历整个数据集），但计算梯度时只使用了单个样本，这实际上模拟了SGD的随机性。为了真正的SGD，你需要在每次迭代中只使用一个样本或一小批样本，而不是整个数据集。在SGD中，不是每次更新都使用全部数据，而是每次更新只随机选取一个样本或一小批（batch）样本来计算梯度，这样可以大大加快训练速度。2.计算过去梯度的平方的指数加权平均值，并将其存储在变量（偏差校正之前）和（偏差校正中）中。

2024-07-09 14:52:31 540

原创 LinLin（二）续

尽管周期系统的大小是无限的，但事实上，认为周期系统只不过是一个“巨型分子”是非常有帮助的，至少在启发式上是这样。类似于到目前为止使用的符号，我们使用r∈R3作为实空间中的变量，，N.如稍后将看到的，这对应于零温度下的绝缘系统的设置。由于外部势相对于晶胞仍然是周期性的，1.4节中的Bloch分解将单轨道指数i分解为两个指数(n，k），如下。注意，对于任何ρ∈J_N，至少存在一个P（N）给出密度，因为我们可以用。来确定，其约束条件是P（N）是自伴的、半正定的，并且它的迹是1。因此，k不可能是Ω*中的任意点。

2024-07-05 13:10:02 910

原创 LinLin（一）

文章目录二、量子力学基础理论1.1有限维量子系统斯特恩——格拉赫(Stern–Gerlach)实验状态空间量子算符在什么意义上，物理可观测性可以用自伴算符来表示？什么是态，本征态，对应的概率分布，本征值？我们现在确定与状态|±x>、|±y>和|±z>相关的展开系数测不准原理用测不准原理来量化薛定谔方程薛定谔方程的解1.2实空间中的薛定谔方程实直线上的位置算子动量算子测不准原理角动量算符哈密顿算子1.3氢原子1.4周期系统1.5张量积空间：两个自旋为1/2的粒子1.6相同粒子二、量子力学基

2024-06-10 18:48:54 794

原创分子动力学模拟基础知识

从头计算结合分子动力学模拟的方法提供了从量子力学到经典力学的桥梁，使得能够在原子水平上研究复杂体系的行为。通过使用DFT计算原子间相互作用并参数化经典力场，可以进行大规模的分子动力学模拟，从而获得丰富的物理和化学信息。

2024-05-14 15:44:50 990 1

原创 DPA-1

原子间势能面（PES）的机器学习辅助建模正在彻底改变分子模拟领域。随着高质量电子结构数据的积累，一个可以根据所有可用数据进行预训练并在下游任务中进行微调的模型将把该领域带入一个新阶段。在这里，我们提出了DPA-1，一个具有新的注意机制的深度势模型，它对于表示原子系统的构象和化学空间以及学习PES非常有效。我们在多个系统上测试了DPA-1，并观察到与现有基准相比具有更高的性能。当在包含56个元素的大规模数据集上进行预训练时，DPA-1可以成功地应用于各种下游任务，并大大提高了采样效率。

2024-04-15 16:50:24 695

原创人工智能在量子、原子和连续统系统中的应用（一）

几十年的人工智能（AI）研究最终以深度学习的名义复兴了神经网络【勒昆等人1998】。自AlexNet【Krizhevsky等人2012】以来，十年的深入研究导致了深度学习的许多突破，例如，包括ResNet【何等人2016】，扩散和基于分数的模型【何等人2020；宋等2020】，注意力，transforms【瓦斯瓦尼等2017】，以及最近的大型语言模型（LLM）和ChatGPT【OpenAI 2023】等。量子物理学家保罗·狄拉克（Paul Dirac）指出：“。

2024-04-12 15:19:17 1643

原创人工智能在量子、原子和连续统系统中的应用（目录）

2.2离散对称变换的等方差16 2.3三维几何的等变特性18 2.4等变数据交互19 2.5直观物理和数学基础21 2.6群和表示理论28 2.7 SO（3）群和球谐32 2.8通过可控核的等变网络的一般公式34 2.9开放的研究方向38。11.1基础人工智能和科学的现有资源204 11.2人工智能用于科学的范式转变204 11.3预期和提议的行动206 12结论210致谢211 A分类和计算不可约表示213参考文献。3.1概述43 3.2学习量子自旋系统的基态45 3.3学习多电子系统的基态50。

2024-04-12 14:18:03 188 1

原创物理化学理论基础（一）

通过以上步骤，就可以利用第一性原理计算方法求解多粒子系统的薛定谔方程，获取体系的状态波函数和能量本征值，并进一步推导出相关性质，为研究原子和分子体系提供了重要的理论支持和预测能力。因此，波函数是量子力学中一个描述粒子状态的基本工具。综上所述，多原子系统的模拟通过求解牛顿运动方程和适当选择原子间势能函数来实现，可以用来研究材料的性质和行为，如弹性特性、缺陷行为、相变等。总之，密度泛函理论是一种强大的工具，能够在理论上和计算上揭示多体量子系统的基态性质，为材料科学和化学领域提供了重要的理论支持和预测能力。

2024-04-06 10:36:26 1747

原创 2.10 几何优化和从头算分子动力学

在玻恩——奥本海默近似下，原子核由经典力学描述，电子根据与每个原子构型相关的基态波函数从属于原子核。总能量E（{RI}）提供了原子间势能的第一原理描述。几何优化（或结构优化）问题旨在寻找势能面E（{RI}）上的（全局或局部）极小值，相应的极小值{R∫I}是（全局或局部）稳定构型。大多数自然存在的分子和固体都处于或接近这样的极小值。定义第i个原子核的原子力为FI({RI})−∂RI∂E({RI});

2024-04-03 22:14:37 1404

m0_70087562的博客