论文摘要
近年来,材料数据进入了爆发式增长阶段,而实验和模拟方法来处理和分析材料数据工程量巨大并且十分耗时,如何用新方法从大量的数据中发现知识是未来材料研发的主要探索方向。新世纪以来,出现了将机器学习方法应用于材料科学领域研究的新课题。高效准确地得到结构能量是许多材料研究工作的基础,我们主要关注将机器学习方法与结构能量计算相结合这一方向。本文调研了目前已有的基于机器学习的结构势能拟合开源软件,分析它们的特点与优劣,并针对实际需求通过深度学习框架PyTorch对软件进行优化,增强机器学习模型的拟合能力。PyTorch可以利用GPU资源对数据进行快速学习,灵活地利用多种优化算法对不同体系的结构搭建合适的模型,并将模型保存以供后续研究。我们在人工智能计算及数据应用服务平台上对软件进行测试与优化,解决了一些在测试中发现的问题,对不同的体系结构的结构势能拟合效果进行了分析,提升软件对不同体系的结构势能拟合能力。
论文目录
文章来源
类型: 期刊论文
作者: 刘学源,王彦棡,任荟颖,辛之夼
关键词: 神经网络,结构势能拟合,人工智能平台
来源: 科研信息化技术与应用 2019年02期
年度: 2019
分类: 信息科技,工程科技Ⅰ辑
专业: 化学
单位: 中国科学院计算机网络信息中心,中国科学院大学
分类号: O76
页码: 61-70
总页数: 10
文件大小: 2007K
下载量: 132