Recent implementations in LASP 3.0: Global neural network potential with multiple elements and better long-range description

人工神经网络 计算机科学 软件 实施 网络仿真 人工智能 分布式计算 软件工程 程序设计语言
作者
Pei‐Lin Kang,Cheng Shang,Zhi‐Pan Liu
出处
期刊:Chinese Journal of Chemical Physics [American Institute of Physics]
卷期号:34 (5): 583-590 被引量:14
标识
DOI:10.1063/1674-0068/cjcp2108145
摘要

LASP (large-scale atomistic simulation with neural network potential) software developed by our group since 2018 is a powerful platform (www.lasphub.com) for performing atomic simulation of complex materials. The software integrates the neural network (NN) potential technique with the global potential energy surface exploration method, and thus can be utilized widely for structure prediction and reaction mechanism exploration. Here we introduce our recent update on the LASP program version 3.0, focusing on the new functionalities including the advanced neural network training based on the multi-network framework, the newly-introduced S7 and S8 power type structure descriptor (PTSD). These new functionalities are designed to further improve the accuracy of potentials and accelerate the neural network training for multiple-element systems. Taking Cu-C-H-O neural network potential and a heterogeneous catalytic model as the example, we show that these new functionalities can accelerate the training of multi-element neural network potential by using the existing single-network potential as the input. The obtained double-network potential CuCHO is robust in simulation and the introduction of S7 and S8 PTSDs can reduce the root-mean-square errors of energy by a factor of two.
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
雨雨发布了新的文献求助10
1秒前
隐形曼青应助zy采纳,获得10
2秒前
3秒前
11111发布了新的文献求助10
3秒前
3秒前
4秒前
111关注了科研通微信公众号
4秒前
张霖达发布了新的文献求助10
4秒前
6秒前
洛洛发布了新的文献求助10
6秒前
6秒前
7秒前
8秒前
8秒前
mmx发布了新的文献求助10
9秒前
Reftro完成签到,获得积分10
10秒前
彩色的万恶完成签到,获得积分10
10秒前
小王发布了新的文献求助10
10秒前
Renee完成签到,获得积分10
11秒前
12秒前
bear应助阿标采纳,获得50
12秒前
Reftro发布了新的文献求助10
13秒前
14秒前
科研通AI2S应助科研通管家采纳,获得10
14秒前
14秒前
FashionBoy应助科研通管家采纳,获得10
14秒前
慕青应助科研通管家采纳,获得10
14秒前
14秒前
Ava应助科研通管家采纳,获得10
14秒前
14秒前
14秒前
顾矜应助科研通管家采纳,获得10
14秒前
细腻的金毛完成签到,获得积分10
15秒前
文刀武书生完成签到,获得积分20
16秒前
云舒发布了新的文献求助10
16秒前
FashionBoy应助白鲜香精采纳,获得10
17秒前
18秒前
清脆香萱完成签到,获得积分10
19秒前
夹心小僧完成签到,获得积分10
19秒前
研友_VZG7GZ应助mm采纳,获得10
19秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Very-high-order BVD Schemes Using β-variable THINC Method 830
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
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 3247880
求助须知:如何正确求助?哪些是违规求助? 2891121
关于积分的说明 8266211
捐赠科研通 2559325
什么是DOI,文献DOI怎么找? 1388116
科研通“疑难数据库(出版商)”最低求助积分说明 650698
邀请新用户注册赠送积分活动 627581