| 机器学习加速CALYPSO结构预测的可行性 |
| |
| 引用本文： | 魏晓辉,周长宝,沈笑先,刘圆圆,童群超.机器学习加速CALYPSO结构预测的可行性[J].吉林大学学报(工学版),2021,51(2):667-676. |
| |
| 作者姓名： | 魏晓辉 周长宝 沈笑先 刘圆圆 童群超 |
| |
| 作者单位： | 吉林大学计算机科学与技术学院,长春130012;吉林大学超硬材料国家重点实验室,长春130012 |
| |
| 摘 要： | 对机器学习替代DFT能量计算方法加速CALYPSO结构预测进行研究,选择5种机器学习方法评估其预测硼团簇总能量时的性能.使用库伦矩阵把原始数据表征为结构信息矩阵,提取矩阵特征值向量作为算法输入输出来训练模型;采用相同数据集评估算法,并探索影响算法性能的其他因素.提出基于势能面特征的相似性判断方法,建立置信度模型对性能最佳算法进行验证,结果表明:核岭回归算法预测出的势能面和DFT具有相似性;当允许误差为1kcal/mol时,算法置信度接近90％.时间测试结果显示,核岭回归算法时间复杂度为O(n),比DFT方法提高1～2个数量级.
|
| 关 键 词： | 计算机应用 结构预测 能量计算 均方根误差 置信度 |
Accelerating CALYPSO structure prediction with machine learning |
| |
| WEI Xiao-hui,ZHOU Chang-bao,SHEN Xiao-xian,LIU Yuan-yuan,TONG Qun-chao.Accelerating CALYPSO structure prediction with machine learning[J].Journal of Jilin University:Eng and Technol Ed,2021,51(2):667-676. |
| |
| Authors: | WEI Xiao-hui ZHOU Chang-bao SHEN Xiao-xian LIU Yuan-yuan TONG Qun-chao |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
