Mejora sistemática de funciones de energía empíricas en la era del aprendizaje automático

Resumen El impacto del reemplazo dirigido de términos individuales en campos de fuerza empíricos se evalúa cuantitativamente para agua pura, diclorometano (CHCl) e iones K y Cl solvatos. Para las interacciones electrostáticas, se evalúan las cargas puntuales (PC) y las cargas mínimamente distribuidas basadas en aprendizaje automático (MDCM) ajustadas al potencial electrostático molecular, junto con electrostática basada en la integral de Coulomb. Se investiga el impacto de incluir explícitamente términos de segundo orden agregando una energía de polarización derivada de orbitales moleculares fragmentados (FMO) a un campo de fuerza existente, en este caso CHARMM. Se demuestra que la electrostática anisotrópica reduce el RMSE para agua (en 1.4 kcal/mol), CHCl (en 0.8 kcal/mol) y para clústeres de Cl solvatos (en 0.4 kcal/mol). Un término de polarización adicional se puede descartar para CHCl pero mejora aún más los modelos para agua pura (en 1.0 kcal/mol) y Cl hidratado (en 0.4 kcal/mol), y es clave para K solvato, reduciendo el RMSE en 2.3 kcal/mol. Una forma funcional de Lennard-Jones 12-6 funciona satisfactoriamente con electrostática PC y MDCM, pero no es apropiada para descripciones que tengan en cuenta la energía de penetración electrostática. La importancia de las contribuciones de muchos cuerpos se evalúa al comparar un enfoque estrictamente de 2 cuerpos con datos de referencia auto-consistentes. Las interacciones de dos cuerpos son suficientes para CHCl, mientras que el agua y los iones K y Cl solvatos requieren correcciones explícitas de muchos cuerpos. Finalmente, una superficie de energía potencial de dímeros corregida para muchos cuerpos supera la precisión alcanzada utilizando un campo de fuerza empírico convencional, alcanzando potencialmente la de un cálculo FMO. El presente trabajo cuantifica sistemáticamente qué términos mejoran el rendimiento de un campo de fuerza existente y qué datos de referencia utilizar para parametrizar estos términos de una manera manejable para el ajuste de ML de sistemas puros y heterogéneos.