(纯计算)清华大学余旷团队Nat. Commun.: 通过可微分子模拟的动力学特性来精炼势能面

文章预览

2025年1月18日，Nat. Commun.在线发表了清华大学余旷副教授 课题组的研究论文，题目为《 Refining potential energy surface through dynamical properties via differentiable molecular simulation 》，论文的第一作者为 Bin Han。 近年来，机器学习势（MLP）在很大程度上提高了分子动力学的可靠性，但其准确性受到底层从头算（ab initio）方法的限制。 为了克服这一局限性，一个可行的方法是通过学习实验数据来精炼势能面，而现代自动微分技术可以高效地实现这一过程。 然而，目前的势能精炼大多依赖于热力学性质，而忽视了最易于获取且信息量丰富的动力学数据（如光谱学）。 在此研究中，通过综合应用伴随（adjoint）方法和梯度截断（gradient truncation）方法，作者成功解决了许多情况下存在的内存和梯度爆炸问题，使得动力学特性微分表现良好。 这一成果使得输运系数和光谱 ………………………………