首页|机器学习加速CALYPSO结构预测的可行性

机器学习加速CALYPSO结构预测的可行性

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
对机器学习替代DFT能量计算方法加速CALYPSO结构预测进行研究,选择5种机器学习方法评估其预测硼团簇总能量时的性能.使用库伦矩阵把原始数据表征为结构信息矩阵,提取矩阵特征值向量作为算法输入输出来训练模型;采用相同数据集评估算法,并探索影响算法性能的其他因素.提出基于势能面特征的相似性判断方法,建立置信度模型对性能最佳算法进行验证,结果表明:核岭回归算法预测出的势能面和DFT具有相似性;当允许误差为1kcal/mol时,算法置信度接近90％.时间测试结果显示,核岭回归算法时间复杂度为O(n),比DFT方法提高1～2个数量级.
Accelerating CALYPSO structure prediction with machine learning

魏晓辉、周长宝、沈笑先、刘圆圆、童群超

展开 >

吉林大学计算机科学与技术学院,长春130012

吉林大学超硬材料国家重点实验室,长春130012

计算机应用 结构预测 能量计算 均方根误差 置信度

国家自然科学基金国家自然科学基金国家自然科学基金

6177222861902143U19A2061

2021

10.13229/j.cnki.jdxbgxb20191070

吉林大学学报(工学版)
吉林大学

吉林大学学报(工学版)

CSTPCDCSCD北大核心
影响因子：0.792
ISSN：1671-5497
年,卷(期)：2021.51(2)
  • 2
  • 3