적응형 기계 학습 프레임워크를 통한 아비니시오 분자 역학의 가속화

양자역학 기반의 아비니시오 분자 역학(MD) 시뮬레이션 방식은 재료의 시간 진화를 모니터링하는 정확하고 직접적인 수단을 제공합니다. 그럼에도 불구하고, 이러한 시뮬레이션에서 필요한 비싼 에너지 및 힘 계산은 상당한 병목 현상을 초래합니다. 여기에서 우리는 기계 학습 프레임워크와 통합된 가속화된 아비니시오 MD 접근법의 기초를 마련합니다. 제안된 알고리즘은 이전에 방문한 구성에서 지속적이고 적응적인 방식으로 학습하여 새로운 구성의 에너지와 원자 힘을 예측하며, 이는 전통적인 아비니시오 방법의 시간의 아주 적은 비율로 이루어집니다. 이 새로운 가속화된 아비니시오 MD 패러다임의 핵심 요소로는 원자 구성의 수치적 지문 표현, 지문을 속성에 매핑하는 학습 알고리즘, 예측 방식을 선택하는 데 도움이 되는 결정 엔진, 그리고 필요한 양의 아비니시오 데이터가 포함됩니다. 제안된 방식의 각 측면의 성능은 여러 가지 화학적 환경에서 Al을 대상으로 비판적으로 평가됩니다. 이 연구는 아비니시오 MD 가속화 이상의 엄청난 의미를 가지고 있습니다. 이는 또한 구조 및 속성 예측 방식의 가속화와 정확한 힘 필드로 이어질 수 있습니다. © 2014 Wiley Periodicals, Inc.