.png){kind=icon}
返回
Performing Path Integral Molecular Dynamics Using an Artificial Intelligence-Enhanced Molecular Simulation Framework
.png){kind=icon}
PRE
AI
DOI：10.1021/acs.jctc.5c00666.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究采用了一种人工智能增强的分子模拟框架，以实现高效的路径积分分子动力学（PIMD）模拟。由于该框架具有模块化架构和高通量能力，能够有效缓解与常规PIMD方法相关的计算复杂度和资源密集型限制。通过将机器学习力场（MLFFs）集成到该框架中，我们通过两个代表性案例严格测试了其性能：一个小分子反应系统（甲酸二聚体中的双质子转移）和一个体相转变系统（水-冰相变）。计算结果表明，所提出的框架在加速PIMD模拟的同时保持了量子力学精度。这些发现表明，可以使用相对较低的计算成本来捕捉复杂分子系统中的核量子效应。
Keyword:
artificial intelligence
molecular simulation
path integral molecular dynamics
machine learning force fields
nuclear quantum effects
期刊
IF:
5.5
论文数:
1.1W
被引数:
5.4W
机构
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Nuclear Quantum Effects in Water and Aqueous Systems: Experiment, Theory, and Current Challenges水和水系统中的核量子效应: 实验，理论和当前挑战OAAI
OAAI分享收藏Generating High-Precision Force Fields for Molecular Dynamics Simulations to Study Chemical Reaction Mechanisms Using Molecular Configuration Transformer使用分子构型转换器为分子动力学模拟生成高精度力场，以研究化学反应机理
OAAI
OAAI分享收藏
查看更多内容