.png){kind=icon}
返回
Graph2Mat: universal graph to matrix conversion for electron density prediction
.png){kind=icon}
OA
AI
DOI：10.1088/2632-2153/adc871.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
电子密度是原子系统的基本可观测量，从中可以计算出所有基态性质。作为机器学习（ML）模型的预测目标，电子密度通常表示在密集实空间网格上，数据量庞大，或通过密度拟合近似方法。本研究中，我们展示了以密度矩阵（DM）作为目标的优势，该矩阵是一种线性缩放的稀疏SE(3)等变矩阵，能够编码精确的密度。我们引入了Graph2Mat，一种将分子图转换为等变矩阵的通用函数。我们展示了如何将这种Graph2Mat方法与最先进的分子图表示相结合的机器学习模型，能够准确预测分子系统的DM。该模型通过匹配基于网格方法的精度，在电子密度预测方面实现了最先进性能，同时使用的数据集规模至少小一个数量级。准确预测的电子密度还可以通过减少收敛所需的自我一致性场（SCF）迭代次数，加速密度泛函理论（DFT）计算。在本工作中，我们使用SIESTA对QM9分子进行DFT计算时，将SCF步数平均减少了40%。该新型预测模型还允许引入两种新的、有前景的不确定性度量（总电荷误差和自洽性误差），这将促进其实际应用，例如在主动学习工作流中。这些结果为混合ML加速DFT方法的应用以及具有不确定性感知的单迭代从头算分子动力学开辟了道路。
Keyword:
electronic structure
density matrix
euclidean neural network
graph neural network
electron density prediction
ml accelerated simulation
期刊
M
IF:
4.6
论文数:
1.1K
被引数:
3.4K
机构
暂无机构信息
引用论文
E(3)-equivariant graph neural networks for data-efficient and accurate interatomic potentialsE(3)-等变图神经网络，用于数据高效和精确的原子间势.png)
NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Electronic-Structure Properties from Atom-Centered Predictions of the Electron Density电子密度的原子中心预测的电子结构性质OAAI
OAAI分享收藏Density matrix, Hamiltonian matrix, overlap matrix and energy density matrix of qm9 and ethylene carbonate dataset密度矩阵、哈密顿矩阵、重叠矩阵和能量密度矩阵，针对qm9和ethylene carbonate数据集。
IF0
PREAI
分享收藏Machine Learning of Analytical Electron Density in Large Molecules Through Message-Passing通过消息传递的大分子中解析电子密度的机器学习
PREAI
分享收藏Numerical atomic orbitals for linear-scaling calculations -: art. no. 235111用于线性标度计算的数值原子轨道-: art. no. 235111PHYSICAL REVIEW BOAAI
PHYSICAL REVIEW BIF3.7
OAAI分享收藏
查看更多内容