机器学习势的验证

1.背景

用机器学习的方法训练势函数，摆脱了势函数的限制，无论有无经验势，都可以做MD模拟，毫无疑问，十分利于科研。训练来源的数据为AIMD的动力学过程，数据的精度也是很值得相信的。前景很好，缺点就是计算量，时间有点长。那训练出来的势函数准确性怎么衡量，精度是不是比经验势高？在论文的撰写中，这一部分的验证无法避免。基于此。下面给出了一些分析的建议。

2.损失函数，预测集合测试集之间的R2关系等来对比。

在微信公众号前面几篇推文中训练了硅的势函数，在这里拿来对比说明一下。

a: R2是对线性模型评估的一种评价指标，其值最大为1，最小为0，当值越接近于1，则说明模型越好；值越接近于0，则模型越差。那下图中的R2=0.95,表示线性还行。

b:损失函数:损失函数（loss function）就是用来度量模型的预测值f(x)与真实值Y的差异程度的运算函数，损失函数越小，模型的鲁棒性就越好。

3.根据物理特性来衡量准确性。

a:以硅为例，DOS(Density of State)曲线分布。

计算出来的dos很明显和经验势不同，存在偏差。还要加上vasp的计算结果验证，自己计算过很符合。

b:以水为例。计算径向分布函数，振动态密度等。

计算结果和文献（PHYSICAL REVIEW B 104, 224202 (2021)）对比。非常完美。

c:势函数曲线对比。这个很有挑战性了。结果依旧不错。

4.总结

有空的时候继续更新，如有问题可以联系我。欢迎关注公众号：硕博科研小助手