机构名称：
¥ 1.0
近年来，机器学习算法已被广泛用于构建力场，并准确地从头开始方法和经典力领域的效率。在这里，我们开发了一个基于Python的基于Python的机器学习部队（PYAMFF）软件包，以提供一个简单且有效的平台，用于通过用Behler-Parrinello-symmetermetryss构造Nergurnger nergerngerngernger-nergernger-nergernger-nergernger-nergerinsssssshiments实现以原子为中心的神经网络通过实现以原子为中心的神经网络算法。PYAMFF中包含以下三个功能：（1）通过脚本和未来算法的简化扩展，用于快速细纹计算和Python模块的集成FORTRAN模块； （2）纯Fortran的后端与软件接口，包括长时间的动态模拟软件包EON，可以启用分子动态模拟和具有机器学习力字段的自适应动力学模拟和自适应动力学蒙特卡洛模拟； （3）与用于主动学习和基于ML的算法开发的原子模拟环境包的集成。在这里，我们在CPU和内存使用方面演示了PYAMFF的有效并行化，并表明基于Fortran的Pyamff计算器与对称函数的数量和系统大小表现出线性缩放关系。
以原子为中心的机器学习力场包
主要关键词
相关文件推荐
