FeNNolは、機械学習を用いた分子シミュレーションのための新しいライブラリである。従来のフォースフィールドには固定された関数形式や複雑なパラメータ化の課題があるが、FeNNolは柔軟な機械学習モデルを構築することができる。
FeNNolの主な特徴は以下の通りである:
自動微分と即時コンパイル機能を活用し、従来のフォースフィールドと同等の計算速度を実現している。ANI-2xモデルの実装では、AMOEBA分極性フォースフィールドとほぼ同等の性能を示した。
物理的に意味のある相互作用項(クーロン、ディスパージョンなど)と機械学習パラメータ化を組み合わせた「フォースフィールド強化型ニューラルネットワークポテンシャル」を容易に構築できる。
様々な原子環境記述子(AEV)や対称関数、メッセージパッシングニューラルネットワークなど、最新の機械学習ポテンシャルのアーキテクチャを提供している。
前処理パイプラインと主要計算モジュールを明確に分離し、ユーザーが柔軟にカスタマイズできるようになっている。
分子動力学シミュレーションのための効率的なネイティブエンジンを備えている。
FeNNolの設計思想は、最新の機械学習ポテンシャルの開発と適用を容易にし、物理的に意味のある新しいモデルアーキテクチャの探索を促進することにある。
To Another Language
from source content
arxiv.org
Deeper Inquiries