物理に基づくアクティブラーニングによる量子化学シミュレーションの加速

量子化学シミュレーションは、機械学習ポテンシャルを構築することで大幅に加速できますが、これは通常、アクティブラーニング（AL）を使用して行われます。構築されたポテンシャルの有用性は、高い労力が必要で、シミュレーションにおける十分な堅牢性が欠如しているため、しばしば制限されています。ここでは、時間とリソースの投資を抑え、人間の干渉を最小限にしながら、堅牢でデータ効率の良いポテンシャルを構築するためのエンドツーエンドALを紹介します。私たちのALプロトコルは、トレーニングポイントの物理に基づくサンプリング、自動的な初期データの選択、不確実性の定量化、および収束の監視に基づいています。このプロトコルの多様性は、振動スペクトルのシミュレーション、主要な生化学的分子のコンフォーマー検索、ディールス-アルダー反応の時間分解メカニズムの実装に示されています。これらの調査には、高性能コンピューティングクラスターでの純粋な量子化学計算に数週間ではなく数日を要しました。