REANN: A PyTorch-based end-to-end multi-functional deep neural network package for molecular, reactive, and periodic systems

计算机科学 人工神经网络 图形处理单元 可扩展性 深度学习 计算科学 人工智能 偶极子 并行计算 物理 数据库 量子力学
作者
Yaolong Zhang,Junfan Xia,Bin Jiang
出处
期刊:Journal of Chemical Physics [American Institute of Physics]
卷期号:156 (11) 被引量:27
标识
DOI:10.1063/5.0080766
摘要

In this work, we present a general purpose deep neural network package for representing energies, forces, dipole moments, and polarizabilities of atomistic systems. This so-called recursively embedded atom neural network model takes advantages of both the physically inspired atomic descriptor based neural networks and the message-passing based neural networks. Implemented in the PyTorch framework, the training process is parallelized on both the central processing unit and the graphics processing unit with high efficiency and low memory in which all hyperparameters can be optimized automatically. We demonstrate the state-of-the-art accuracy, high efficiency, scalability, and universality of this package by learning not only energies (with or without forces) but also dipole moment vectors and polarizability tensors in various molecular, reactive, and periodic systems. An interface between a trained model and LAMMPs is provided for large scale molecular dynamics simulations. We hope that this open-source toolbox will allow for future method development and applications of machine learned potential energy surfaces and quantum-chemical properties of molecules, reactions, and materials.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
ananan完成签到,获得积分10
2秒前
qiqi完成签到,获得积分10
3秒前
3秒前
小只bb完成签到,获得积分20
4秒前
wwww发布了新的文献求助10
4秒前
5秒前
ABC完成签到,获得积分20
6秒前
高高的梦曼完成签到,获得积分10
6秒前
zt发布了新的文献求助10
6秒前
Amon完成签到,获得积分20
7秒前
9秒前
9秒前
欣慰的无颜完成签到,获得积分10
9秒前
9秒前
嘀嘀哒哒发布了新的文献求助10
9秒前
10秒前
FashionBoy应助科研通管家采纳,获得10
10秒前
我是老大应助科研通管家采纳,获得30
10秒前
英俊的铭应助科研通管家采纳,获得10
10秒前
FashionBoy应助科研通管家采纳,获得10
10秒前
FashionBoy应助科研通管家采纳,获得10
10秒前
科研通AI2S应助科研通管家采纳,获得10
10秒前
赘婿应助科研通管家采纳,获得10
10秒前
科研通AI2S应助科研通管家采纳,获得10
10秒前
李李李李应助科研通管家采纳,获得10
10秒前
星辰大海应助科研通管家采纳,获得10
10秒前
Hello应助科研通管家采纳,获得30
10秒前
10秒前
10秒前
852应助科研通管家采纳,获得10
10秒前
10秒前
Jasper应助科研通管家采纳,获得10
10秒前
JamesPei应助科研通管家采纳,获得10
10秒前
qiiq1997完成签到,获得积分10
11秒前
吴彦祖完成签到,获得积分10
11秒前
11秒前
GHOST完成签到,获得积分10
12秒前
mimi发布了新的文献求助10
14秒前
zt完成签到,获得积分10
14秒前
高分求助中
Sustainability in Tides Chemistry 2800
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Handbook of Qualitative Cross-Cultural Research Methods 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3137360
求助须知:如何正确求助?哪些是违规求助? 2788429
关于积分的说明 7786365
捐赠科研通 2444582
什么是DOI,文献DOI怎么找? 1300002
科研通“疑难数据库(出版商)”最低求助积分说明 625695
版权声明 601023