소분자 및 반응을 위한 신경망 잠재 에너지 표면

우리는 반응 역학 및 계산 분광학을 포함한 고전 및 양자 역학 응용을 위해 비연속 샘플(예: ab initio 에너지)로부터 원자간 포텐셜을 구축하기 위한 신경망(NN) 기반 방법의 발전을 검토합니다. 주요 초점은 모든 다체 기여를 명시적으로 포함하는 내부 좌표에서 분자 포텐셜 에너지 표면(PES)을 구축하는 방법에 있습니다. 우리가 검토하는 일부 방법은 계산 비용을 제한하거나 데이터가 제한된 이유로 결합의 정도를 제한합니다. 모든 다체 기여를 명시적이고 직접적으로 다루는 것은 충분히 작은 분자에 대해서만 실제적이며, 따라서 이는 우리의 주요 초점입니다. 여기에는 표면의 작은 분자가 포함됩니다. 우리는 단일 NN PES 피팅뿐만 아니라 PES 함수에 구조(예: 다체 표현)를 부과하는 더 복잡한 방법도 고려합니다. 이러한 구조는 하나의 NN 아키텍처를 통해서든 여러 NN을 사용하든 가능합니다. 우리는 NN이 저차원 함수의 표현을 구축하는 데 효과적임을 보여주며, 차원 축소를 포함합니다. 우리는 양자 역학에 중요한 곱의 합 형태로 PES를 구축하기 위한 NN 기반 접근법, 대칭을 다루는 방법, 데이터 분포 샘플링 및 PES 오류와 관측 가능한 오류 간의 관계와 관련된 문제를 고려합니다. 우리는 최근에 상대적으로 큰 분자 및 반응 시스템에 대해 매우 정확한 PES를 구축하는 데 강력한 도구로 떠오른 변환 불변 다항식 또는 환경 의존 원자 기여의 합과 같은 다른 아이디어와 NN의 조합을 강조합니다.