JPCL 展望｜非绝热分子动力学模拟分析中的无监督机器学习

文章预览

英文原题： Unsupervised Machine Learning in the Analysis of Nonadiabatic Molecular Dynamics Simulation 通讯作者： 兰峥岗，华南师范大学 作者：  Yifei Zhu (祝逸飞), Jiawei Peng (彭佳伟)，Chao Xu  (徐超)，Zhenggang Lan (兰峥岗) 背景介绍 该展望探讨了机器学习（ML）在非绝热分子动力学模拟（NAMD）分析中的应用，尤其关注如何利无监督ML方法分析NAMD模拟数据。NAMD模拟在理解光诱导反应通道和复杂分子的激发态运动方面具有重要意义。然而，将这类模拟应用于复杂真实体系，会产生大量高维数据，给结果分析带来了挑战。文章详细讨论了无监督ML方法的选择、分子描述符的构建以及分析框架的建立，并探讨了其优势、局限性及现存的挑战。 图1. 无监督机器学习应用于非绝热分子动力学模拟 展望亮点 近日， 华南师范大学兰峥岗教授在 JPC Letters 上发表了上聚焦于将无监督机器 ………………………………