Nuevo modelo de aprendizaje automático para la simulación molecular bajo campo externo
El equipo de investigación del profesor JIANG Bin, de la Universidad de Ciencia y Tecnología de China (USTC), desarrolló un modelo universal de red neuronal atómica recursivamente embebida inducida por campo (FIREANN), que puede simular con precisión las interacciones sistema-campo con gran eficacia.
Esquema del marco FIREANN.
Prof. JIANG’s team
La simulación atómica desempeña un papel crucial en la comprensión de los espectros y la dinámica de sistemas químicos, biológicos y materiales complejos a nivel microscópico. La clave de las simulaciones atómicas es encontrar la representación precisa de las superficies de energía potencial (PES) de alta dimensión. En los últimos años, el uso de modelos atomísticos de aprendizaje automático (ML) para representar con precisión las PES se ha convertido en una práctica habitual. Sin embargo, la mayoría de los modelos ML sólo describen sistemas aislados y no pueden captar las interacciones entre los campos externos y los sistemas, que pueden cambiar la estructura química y controlar la transición de fase a través de la polarización electrónica o de espín inducida por el campo. Se necesita urgentemente un modelo ML novedoso que tenga en cuenta los campos externos.
Para abordar este problema, el equipo de investigación del profesor JIANG propuso un enfoque "todo en uno". En primer lugar, el equipo trató el campo externo como átomos virtuales y utilizó las densidades de átomos incrustados (EAD) como descriptores del entorno atómico. La EAD inducida por el campo (FI-EAD) se derivó de la combinación lineal del orbital dependiente del campo y los orbitales basados en coordenadas de los átomos, que capta la naturaleza de la interacción entre el campo externo y el sistema, lo que condujo al desarrollo del modelo FIREANN.
Este modelo correlaciona con precisión varias propiedades de respuesta del sistema, como el momento dipolar y la polarizabilidad, con los cambios de energía potencial que dependen de los campos externos, proporcionando una herramienta precisa y eficaz para las simulaciones de espectroscopia y dinámica de sistemas complejos sometidos a campos externos.
El equipo verificó la capacidad del modelo FIREANN realizando simulaciones dinámicas de N-metilacetamida y agua líquida bajo un fuerte campo eléctrico externo, demostrando ambas una gran precisión y eficacia. Cabe mencionar que, en el caso de los sistemas periódicos, el modelo FIREANN puede superar el problema inherente de los valores múltiples de la polarización mediante el entrenamiento con datos de fuerzas atómicas únicamente.
Esta investigación llenó el vacío de la falta de representación precisa del campo externo en el modelo ML, lo que contribuirá al avance de las simulaciones moleculares en química, biología y ciencia de los materiales.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
Noticias más leídas
Más noticias de nuestros otros portales
Contenido visto recientemente
BASF invierte en Oceanworks, una plataforma de abastecimiento de plástico sostenible - Una nueva empresa ofrece una plataforma para el abastecimiento de plásticos en el océano, en el mar y reciclados por el consumidor (PCR)
Una start-up taiwanesa causa furor: ¿zapatillas deportivas fabricadas con módulos solares reciclados? - TSGC es pionera en el reciclado integral de módulos solares con una tasa de recuperación inigualable
Combustibles renovables procedentes de refinerías ecológicas - Un consorcio de ciencia e industria desarrolla procesos y escenarios de demanda para la producción masiva de combustibles sintéticos
