2체 및 3체 원자 분포를 나타내는 기술자와 기계 학습된 원자 간 포텐셜의 정확도에 미치는 영향

원자 간 포텐셜을 위한 기계 학습 모델을 결정할 때, 포텐셜 에너지 표면은 종종 2체 및 3체 원자 분포 함수와 관련된 기술자의 비선형 함수로 설명됩니다. 기술자의 선택이 훈련의 효율성과 최종 기계 학습 모델의 정확도에 어떻게 영향을 미치는지는 명확하지 않습니다. 본 연구에서는 2체 및 3체 원자 분포 함수를 개별적으로 나타낼 수 있는 기술자를 계산하는 효율적인 방법을 수립하고, 회귀 모델에서 2체 또는 3체 기술자만 포함할 때와 둘 다 포함할 때의 영향을 조사합니다. 우리의 연구는 2체 및 3체 기술자의 비선형 혼합이 효율적인 훈련과 최종 기계 학습 모델의 높은 정확도에 필수적임을 나타냅니다. 2체 기술자를 더 강하게 가중치를 부여하여 효율성을 더욱 향상시킬 수 있습니다. 우리는 또한 3체 기술자의 희소화를 조사합니다. 3체 기술자는 일반적으로 원자 구조에 대한 중복된 표현을 제공하며, 주성분 분석을 사용하여 자동 희소화를 적용함으로써 정확도를 잃지 않고 기술자의 수를 상당히 줄일 수 있습니다. 실제 공간에서 3체 분포 함수를 사용하여 감소된 기술자의 시각화는 희소화가 분포 함수를 설명하는 데 덜 중요한 구성 요소를 자동으로 제거함을 나타냅니다.