| 5 | 1/1 | 返回列表 |
| 查看: 827 | 回復(fù): 6 | |||
| 【有獎交流】積極回復(fù)本帖子,參與交流,就有機(jī)會分得作者 cyf2277 的 5 個金幣 ,回帖就立即獲得 1 個金幣,每人有 1 次機(jī)會 | |||
| 當(dāng)前只顯示滿足指定條件的回帖,點(diǎn)擊這里查看本話題的所有回帖 | |||
[交流]
DMFF:分子力場開發(fā)新利器
|
|||
|
【分子體系模擬與分子力場】 分子體系模擬在生物大分子結(jié)構(gòu)預(yù)測、藥物篩選、有機(jī)材料篩選等領(lǐng)域具有重要應(yīng)用價值。 分子體系的模擬中最重要的就是刻畫體系勢能函數(shù)、描述相互作用。在經(jīng)典分子動力學(xué)模擬(CMD)中,勢能函數(shù)遵循固定的數(shù)學(xué)形式,而分子力場即以數(shù)學(xué)函數(shù)的形式給出了分子間與分子內(nèi)相互作用勢。 然而,目前投入工業(yè)化應(yīng)用的分子力場普遍面臨著這樣幾個問題: 缺乏可移植性和預(yù)測能力:研究新體系時,在真正跑出結(jié)果之前,恐怕誰都不確定哪個力場結(jié)果更好。除了靠“經(jīng)驗(yàn)”,誰也說不清楚力場應(yīng)該怎么選。 參數(shù)缺少唯一性和一致性:經(jīng)常出現(xiàn)多套完全不同的參數(shù)能給出相似的宏觀預(yù)測,因此不能僅通過宏觀數(shù)據(jù)確定微觀上哪套參數(shù)更為合理。同時,我們也常常能看到非常相似的體系,力場參數(shù)卻完全不同,因此不同課題組發(fā)展的力場往往不能組合使用。 【機(jī)器學(xué)習(xí)與自動微分技術(shù)】 在分子力場擬合領(lǐng)域,提起機(jī)器學(xué)習(xí),絕大多數(shù)同學(xué)可能想到的是人工神經(jīng)網(wǎng)絡(luò)架構(gòu)。的確,不論是早期的 Behler-Parinello 模型、Schnet 模型,還是更近期的 DP 模型、或是 REANN 模型,其核心做法,都是將原子的勢能面拆解為單個原子能量的求和,并利用神經(jīng)網(wǎng)絡(luò)的超強(qiáng)擬合能力,以原子局域環(huán)境為輸入特征(feature)構(gòu)建原子能量函數(shù) ,然后利用大量的第一性原理數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。人工智能技術(shù)在分子動力學(xué)領(lǐng)域掀起的這一波浪潮主要就是由神經(jīng)網(wǎng)絡(luò)勢函數(shù)所帶動。 但是,人工智能技術(shù)所帶來的革新,絕不只是神經(jīng)網(wǎng)絡(luò)勢函數(shù)。與神經(jīng)網(wǎng)絡(luò)模型發(fā)展相伴隨的技術(shù)創(chuàng)新,包括強(qiáng)大的高維梯度下降算法,和底層的自動微分程序框架,都可以被傳統(tǒng)力場開發(fā)者所用,這就是 DMFF 誕生的主要原因。 在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中,我們需要通過反向傳播,計算網(wǎng)絡(luò)輸出對網(wǎng)絡(luò)參數(shù)的微分,并利用梯度下降實(shí)現(xiàn)整個神經(jīng)網(wǎng)絡(luò)的優(yōu)化。因此,自動微分框架與機(jī)器學(xué)習(xí)模型的訓(xùn)練相伴而生,可以說自動微分技術(shù)本身就是為了大量數(shù)據(jù)下高維參數(shù)的高效優(yōu)化而生。包括 DP 在內(nèi)的神經(jīng)網(wǎng)絡(luò)勢能面的訓(xùn)練,其實(shí)都是基于自動微分技術(shù)實(shí)現(xiàn)的。 【DMFF|動手實(shí)踐】 盡管最早是被用于機(jī)器學(xué)習(xí)模型,但自動微分技術(shù)本身并不依賴于機(jī)器學(xué)習(xí)模型。需要微分和優(yōu)化的計算流可以是任何物理模型。 因此,我們完全可以利用自動微分和梯度下降技術(shù),利用實(shí)驗(yàn)和第一性原理數(shù)據(jù),經(jīng)過反向傳播去優(yōu)化任何物理模型的參數(shù)。而 DMFF 正是這一想法在分子力場領(lǐng)域運(yùn)用的實(shí)例。 通過 DMFF,我們對分子力場開發(fā)的兩大難題作出回應(yīng):如何保證分子動力學(xué)模擬過程中復(fù)雜力場的快速實(shí)現(xiàn)與迭代;如何提升高維度函數(shù)中優(yōu)化參數(shù)的效率以及這一過程的自動化程度,并提升參數(shù)的可遷移性。 在最新發(fā)布的 DMFF 0.2.0版本中,探索出了一條力場參數(shù)自動優(yōu)化的路徑,相應(yīng)的工作流在比較簡單的小分子體系與較為復(fù)雜的電解液體系中都得到了驗(yàn)證。在下面的 Notebook 中,我們會“手把手”帶你親手構(gòu)建分子力場、生成與拓展勢函數(shù)、通過 DMFF 進(jìn)行簡單的擬合并以實(shí)際案例搭建力場參數(shù)優(yōu)化的工作流。(notebook鏈接 :https://bohrium.dp.tech/notebook/366e1f35236f495d994be1622c7b4d09) |
» 搶金幣啦!回帖就可以得到:
+1/91
+1/80
+1/36
+1/34
+1/33
+1/24
+1/22
+1/18
+1/13
+1/10
+1/8
+1/6
+1/5
+1/4
+1/3
+1/3
+1/3
+1/2
+1/2
+1/1
| 最具人氣熱帖推薦 [查看全部] | 作者 | 回/看 | 最后發(fā)表 | |
|---|---|---|---|---|
|
[考研] 泣血叩求調(diào)劑恩,愿以丹心報師恩 +5 | Iuruoh 2026-03-11 | 5/250 |
|
|---|---|---|---|---|
|
[考研] 材料371求調(diào)劑 +7 | 鱷魚? 2026-03-11 | 9/450 |
|
|
[考研] 大連大學(xué)化學(xué)專業(yè)研究生調(diào)劑 +3 | 琪久. 2026-03-10 | 8/400 |
|
|
[考研] 考研材料與化工,求調(diào)劑 +7 | 戲精丹丹丹 2026-03-09 | 7/350 |
|
|
[基金申請]
PDF在線壓縮軟件
10+3
|
haxia 2026-03-08 | 4/200 |
|
|
[考研] 一志愿南大化學(xué)339分求調(diào)劑,四六級已過,有比賽,有文章 +7 | Gallantzhou 2026-03-07 | 7/350 |
|
|
[考研] 085701環(huán)境工程專碩求調(diào)劑 +5 | 幼稚園大班打手 2026-03-08 | 5/250 |
|
|
[考研] 0703化學(xué)求調(diào)劑,總分309分,一志愿華南師范 +3 | 花與葉@ 2026-03-08 | 3/150 |
|
|
[考研] 290 材料與化工求調(diào)劑 +7 | Nebulala 2026-03-08 | 7/350 |
|
|
[考研] 考研求調(diào)劑,工科,總分304 +4 | 矮子不想長高了 2026-03-08 | 7/350 |
|
|
[考研] 0701-322 求調(diào)劑 +3 | jiliuxian 2026-03-06 | 8/400 |
|
|
[基金申請] 進(jìn)入個人成果庫好難,一下午都沒進(jìn)去 +6 | mi_dilee 2026-03-05 | 6/300 |
|
|
[考研] 085701環(huán)境工程專業(yè),初試305,均過國家A區(qū)線 +7 | 卡卡來了@ 2026-03-07 | 8/400 |
|
|
[考研] 081700學(xué)碩一志愿北京化工大學(xué)數(shù)二英一過六級有競賽求調(diào)劑 +5 | galaxary 2026-03-07 | 7/350 |
|
|
[考研] 哈爾濱理工大學(xué)2026年研究生調(diào)劑,材料科學(xué)與化學(xué)工程學(xué)院研究生調(diào)劑 +3 | xinliu866 2026-03-06 | 3/150 |
|
|
[考研] 275求調(diào)劑 +4 | 大爆炸難民 2026-03-06 | 5/250 |
|
|
[考研] 085602 293分求調(diào)劑 +3 | SivanNano. 2026-03-05 | 3/150 |
|
|
[考研] 紡織、生物、化學(xué)、材料等專業(yè) +3 | Eember. 2026-03-05 | 7/350 |
|
|
[考研] 304求調(diào)劑 +3 | 曼殊2266 2026-03-04 | 3/150 |
|
|
[考研] 材料學(xué)碩080500復(fù)試調(diào)劑294 +3 | 四葉zjz 2026-03-04 | 3/150 |
|