Core Concepts
オンザフライアクティブマシンラーニングを使用して複雑な系のための効果的なハミルトニアンパラメータを決定する方法。
Abstract
第一原理に基づく効果的なハミルトニアンは、複雑な相互作用や成分を持つ系に対応できるようにパラメータ化される。
ベイジアン線形回帰を使用して、エネルギー、力、応力が各ステップで予測され、不確実性が大きい場合はFP計算が実行されてパラメータが再調整される。
オンザフライ学習手法はBaTiO3、CsPbI3、SrTiO3/PbTiO3表面構造に適用され、実験結果と一致することが示されている。
Stats
有効な方法を提供するためには多くのFP計算が必要です。
ベイジアン線形回帰を使用してパラメータを最適化します。
モデル予測とFPデータの不確実性を比較します。
Quotes
"この手法はさまざまな構造に対して有効であり、非専門家でも構造や現象を模倣できる強力なツールを提供します。"
"オンザフライ学習手法は複雑な系における効果的なハミルトニアンパラメータ化の新しい選択肢です。"