Global optimization of parameters in the reactive force field ReaxFF for SiOH

雷亚克夫 力场(虚构) 领域(数学) 计算机科学 遗传算法 集合(抽象数据类型) 算法 分子动力学 化学 计算化学 数学 人工智能 机器学习 原子间势 纯数学 程序设计语言
作者
Henrik R. Larsson,Adri C. T. van Duin,Bernd Hartke
出处
期刊:Journal of Computational Chemistry [Wiley]
卷期号:34 (25): 2178-2189 被引量:83
标识
DOI:10.1002/jcc.23382
摘要

We have used unbiased global optimization to fit a reactive force field to a given set of reference data. Specifically, we have employed genetic algorithms (GA) to fit ReaxFF to SiOH data, using an in-house GA code that is parallelized across reference data items via the message-passing interface (MPI). Details of GA tuning turn-ed out to be far less important for global optimization efficiency than using suitable ranges within which the parameters are varied. To establish these ranges, either prior knowledge can be used or successive stages of GA optimizations, each building upon the best parameter vectors and ranges found in the previous stage. We have finally arrive-ed at optimized force fields with smaller error measures than those published previously. Hence, this optimization approach will contribute to converting force-field fitting from a specialist task to an everyday commodity, even for the more difficult case of reactive force fields.
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
NexusExplorer应助孤独树叶采纳,获得10
1秒前
小马甲应助hhhm采纳,获得10
1秒前
2秒前
Shinchan完成签到 ,获得积分10
3秒前
yue关闭了yue文献求助
4秒前
5秒前
大模型应助隐形白开水采纳,获得10
5秒前
Nicole发布了新的文献求助10
5秒前
bbbbbbay发布了新的文献求助10
7秒前
开心完成签到,获得积分10
7秒前
yidemeihaoshijie完成签到 ,获得积分10
8秒前
李大俊完成签到,获得积分10
8秒前
9秒前
薰硝壤应助ashely采纳,获得10
10秒前
跳跃的惮完成签到,获得积分10
11秒前
Nicole完成签到,获得积分10
13秒前
14秒前
15秒前
15秒前
cc发布了新的文献求助10
16秒前
Jyy77完成签到 ,获得积分10
17秒前
天天快乐应助Nicole采纳,获得10
17秒前
18秒前
19秒前
20秒前
补药写论文完成签到,获得积分10
21秒前
钮续完成签到,获得积分10
21秒前
研友_Lw4Ngn发布了新的文献求助10
21秒前
画画的baby完成签到 ,获得积分10
21秒前
najibveto发布了新的文献求助10
22秒前
22秒前
22秒前
高贵灵槐完成签到 ,获得积分10
22秒前
gwh发布了新的文献求助10
23秒前
jsjjs完成签到,获得积分10
23秒前
CodeCraft应助罗良干采纳,获得10
25秒前
26秒前
jsjjs发布了新的文献求助10
26秒前
26秒前
科研通AI2S应助科研通管家采纳,获得10
26秒前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
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 3141282
求助须知:如何正确求助?哪些是违规求助? 2792281
关于积分的说明 7802009
捐赠科研通 2448470
什么是DOI,文献DOI怎么找? 1302541
科研通“疑难数据库(出版商)”最低求助积分说明 626650
版权声明 601237