이 논문에서는 FeNNol이라는 새로운 라이브러리를 소개한다. FeNNol은 기계학습 포텐셜을 구축, 학습 및 실행하기 위한 유연하고 모듈화된 시스템을 제공한다.
주요 내용은 다음과 같다:
FeNNol의 소프트웨어 아키텍처: Jax 라이브러리와 Flax 프레임워크를 활용하여 모듈화된 방식으로 모델을 구축할 수 있다. 전처리 모듈과 주요 계산 모듈로 구성되며, 사용자 정의 모듈 추가가 가능하다.
CRATE 다중 패러다임 임베딩: 화학 정보, 기하학 정보, 텐서 정보 등 다양한 정보를 융합하는 새로운 원자 환경 임베딩 모듈을 소개한다.
모델 학습 시스템: 복잡한 모델을 정의하고 다양한 손실 함수로 학습할 수 있는 시스템을 제공한다.
분자 동역학 시뮬레이션: FeNNol은 사용자 스크립트, ASE 계산기, Tinker-HP 인터페이스, 자체 MD 엔진 등 다양한 방식으로 분자 동역학 시뮬레이션을 지원한다. ANI-2x 모델의 성능 벤치마크 결과를 제시한다.
사용 예시: QM7-X 데이터셋에 대한 CRATE 모델 학습, ANI-1x 데이터셋에 대한 힘장 강화 등가 모델 학습, SPICE 데이터셋에 대한 분포 다극자 학습 등을 보여준다.
전반적으로 FeNNol은 다양한 기계학습 포텐셜 모델을 쉽게 구축하고 효율적으로 실행할 수 있게 해주는 유연한 라이브러리이다.
A otro idioma
del contenido fuente
arxiv.org
Consultas más profundas