...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Physical review >Optimizing many-body atomic descriptors for enhanced computational performance of machine learning based interatomic potentials
【24h】

Optimizing many-body atomic descriptors for enhanced computational performance of machine learning based interatomic potentials

机译：优化多体原子描述符以增强基于机器学习的原子间电势的计算性能

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We explore different ways to simplify the evaluation of the smooth overlap of atomic positions (SOAP) many-body atomic descriptor [Bartok et al., Phys. Rev. B 87, 184115 (2013).]. Our aim is to improve the computational efficiency of SOAP-based similarity kernel construction. While these improved atomic descriptors can be used for general characterization and interpolation of atomic properties, their main target application is accelerated evaluation of machine-learning-based interatomic potentials within the Gaussian approximation potential (GAP) framework [Bartok et al., Phys. Rev. Lett. 104, 136403 (2010)]. We achieve this objective by expressing the atomic densities in an approximate separable form, which decouples the radial and angular channels. We then express the elements of the SOAP descriptor (i.e., the expansion coefficients for the atomic densities) in analytical form given a particular choice of radial basis set. Finally, we derive recursion formulas for the expansion coefficients. This new SOAP-based descriptor allows for tenfold speedups compared to previous implementations, while improving the stability of the radial expansion for distant atomic neighbors, without degradation of the interpolation power of GAP models.
机译：我们探索了各种方法来简化对原子位置（SOAP）多体原子描述符的平滑重叠的评估[Bartok等，Phys。 B 87，184115（2013）。]。我们的目标是提高基于SOAP的相似性内核构建的计算效率。虽然这些改进的原子描述符可用于原子特性的一般表征和内插，但它们的主要目标应用是在高斯逼近势能（GAP）框架内加速评估基于机器学习的原子间势[Bartok et al。，Phys。牧师104，136403（2010）]。我们通过以近似可分离的形式表示原子密度来实现此目标，该形式将径向通道和角度通道解耦。然后，我们在给定特定的径向基础集选择的情况下，以解析形式表示SOAP描述符的元素（即原子密度的膨胀系数）。最后，我们推导了膨胀系数的递推公式。与以前的实现相比，这种新的基于SOAP的描述符允许加快十倍的速度，同时提高了对远距离原子邻居的径向扩展的稳定性，而不会降低GAP模型的内插能力。

著录项

  • 来源
    《Physical review》 |2019年第2期|024112.1-024112.11|共11页
  • 作者

    Caro Miguel A.;

  • 作者单位

    Aalto Univ, Dept Elect Engn & Automat, Espoo 02150, Finland|Aalto Univ, Dept Appl Phys, Espoo 02150, Finland;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号